機械学習モデルの性能最大化とハイパーパラメータのチューニング

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、過学習を抑えて未知データに対する汎化性能を向上させる方法、重要な特徴量の選別、そして学習では直接最適化が難しいハイパーパラメータの調整等、機械学習における課題に対する代表的な対応策と、それらのPythonによる実装方法について丁寧に解説いたします。

日時

開催予定

プログラム

昨今、ディープラーニングを代表とするデータに基づく機械学習が、産業界の様々な領域に導入されています。しかし、実用化に際してはいくつかの主要な課題が存在します。具体的には、過学習を抑えて未知データに対する汎化性能を向上させる方法、重要な特徴量の選別、そして学習では直接最適化が難しいハイパーパラメータの調整が挙げられます。  本セミナーでは、これらの課題に対する代表的な対応策と、それらのPythonによる実装方法について丁寧に解説します。参加者は、理論的な背景に加え、実際のコードを通じて具体的な解決方法を学び、機械学習の実務において使えるスキルを習得することを目指します。

  1. 過学習の抑制
    1. ロジスティック回帰
    2. L1/L2正則化
    3. ディープラーニングにおける過学習の抑制
      1. DropOut法
      2. Batch Normalization法
    4. L1/L2正則化の比較 (Python実装解説)
  2. 特徴選択
    1. 逐次特徴選択
    2. モデルベース特徴選択
      1. L1正則化による特徴選択
      2. 決定木学習/Random Forestに基づく特徴選択
    3. 各種特徴選択の比較 (Python実装解説)
  3. ハイパーパラメータ最適化
    1. サポートベクトルマシン
    2. ハイパーパラメータ最適化問題
      1. ランダムサーチ
      2. グリッドサーチ
      3. ブラックボックス最適化
    3. クロスバリデーションによる評価
    4. Optunaによるハイパーパラメータ最適化 (Python実装解説)

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信対応セミナー / アーカイブ配信対応セミナー

ライブ配信セミナーをご希望の場合

アーカイブ配信セミナーをご希望の場合