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
- 2024年9月4日 13時00分〜 2024年9月14日 17時00分
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。
- 過学習の抑制
- ロジスティック回帰
- L1/L2正則化
- ディープラーニングにおける過学習の抑制
- DropOut法
- Batch Normalization法
- L1/L2正則化の比較 (Python実装解説)
- 特徴選択
- 逐次特徴選択
- モデルベース特徴選択
- L1正則化による特徴選択
- 決定木学習/Random Forestに基づく特徴選択
- 各種特徴選択の比較 (Python実装解説)
- ハイパーパラメータ最適化
- サポートベクトルマシン
- ハイパーパラメータ最適化問題
- ランダムサーチ
- グリッドサーチ
- ブラックボックス最適化
- クロスバリデーションによる評価
- Optunaによるハイパーパラメータ最適化 (Python実装解説)
- 質疑応答
受講料
- 1名様: 50,000円(税別) / 55,000円(税込)
- 複数名: 45,000円(税別) / 49,500円(税込)
複数名同時受講割引について
- 2名様以上でお申込みの場合、1名あたり 45,000円(税別) / 49,500円(税込) で受講いただけます。
- 1名様でお申し込みの場合 : 1名で 50,000円(税別) / 55,000円(税込)
- 2名様でお申し込みの場合 : 2名で 90,000円(税別) / 99,000円(税込)
- 3名様でお申し込みの場合 : 3名で 135,000円(税別) / 148,500円(税込)
- 同一法人内による複数名同時申込みのみ適用いたします。
- 受講券、請求書は、代表者にご郵送いたします。
- 他の割引は併用できません。
アカデミック割引
- 1名様あたり 30,000円(税別) / 33,000円(税込)
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。
- 学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院、短期大学、附属病院、高等専門学校および各種学校の教員、生徒
- 病院などの医療機関・医療関連機関に勤務する医療従事者
- 文部科学省、経済産業省が設置した独立行政法人に勤務する研究者。理化学研究所、産業技術総合研究所など
- 公設試験研究機関。地方公共団体に置かれる試験所、研究センター、技術センターなどの機関で、試験研究および企業支援に関する業務に従事する方
- 支払名義が企業の場合は対象外とさせていただきます。
- 企業に属し、大学、公的機関に派遣または出向されている方は対象外とさせていただきます。
アーカイブ配信セミナー
- 当日のセミナーを、後日にお手元のPCやスマホ・タブレッドなどからご視聴・学習することができます。
- 配信開始となりましたら、改めてメールでご案内いたします。
- 視聴サイトにログインしていただき、ご視聴いただきます。
- 視聴期間は2024年9月4日〜14日を予定しております。
ご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。 - セミナー資料は別途、送付いたします。