Python機械学習 2日間セミナー (入門編 + 応用編)

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

日時

中止

プログラム

2025年12月22日「Pythonではじめる機械学習入門講座」

 機械学習の入門講座 (セミナー) は、巷にたくさんありますが、理論と実践が揃って、はじめて現場で使える技術となります。  本セミナーでは、機械学習の理論的側面のみではなく、コンピュータを用いた実践演習を通して、理解を深めていきます。同時に、実践演習では、最近様々な分野で、注目を集めているコンピュータ言語Pythonと機械学習系ライブラリ (scikit-learn) を用います。

  1. はじめに
    1. 講師自己紹介
    2. セミナーの狙い
  2. 演習環境の確認
    1. Pythonの実行環境の確認
    2. 各種ライブラリの実行環境の確認
      • NumPy
      • SciPy
      • matplotlib
      • scikit-learn
    3. 統合開発環境Spyderの実行環境の確認
    4. Pythonのプログラムコーディングと実行方法
      • インタプリタ
      • コマンド渡し
      • 統合開発環境
  3. Python入門講座
    1. Pythonの特徴
    2. Pythonの基本文法
    3. コーディング方法 (統合開発環境Spyderの使い方含む)
    4. 各種ライブラリの使い方
      • NumPy
      • SciPy
      • matplotlib
      • scikit-learn
    5. 機械学習アルゴリズムの実装方法
    6. サンプルコードを用いた実践演習
    7. 参考書・情報源の紹介
  4. 機械学習概論
    1. 機械学習の概要
    2. 三大学習法
      • 教師あり学習
      • 教師なし学習
      • 強化学習
    3. 機械学習データセットの紹介
    4. 機械学習におけるデータの著作権
    5. 専門書・参考書の紹介
  5. 教師あり学習
    1. 教師あり学習の概要
    2. クラス分類と回帰
    3. 過剰適合 (過学習) と適合不足 (学習不足)
    4. モデル複雑度と精度
    5. 多クラス分類
    6. 各種教師あり学習アルゴリズムの基礎理論と実践演習
      1. k-最近傍法
        • クラス分類
        • 回帰
      2. 線形モデル
        • 線形回帰
        • Ridge回帰
        • Lasso回帰
        • ロジスティック回帰
      3. サポートベクトルマシン
        • ハードマージン型線形モデル
        • ソフトマージョン型線形モデル
        • 非線形モデル
      4. 決定木
      5. アンサンブル学習
        • RandomForest
        • AdaBoost
    7. クラス分類の性能指標
  6. 教師なし学習
    1. 教師なし学習の概要
    2. 次元削減と特徴量抽出
    3. 各種教師なし学習アルゴリズムの基礎理論と実践演習
      1. 主成分分析 (次元削減)
      2. k-平均法 (クラスタリング)
      3. 凝集クラスタリング
      4. DBSCAN (クラスタリング)
    4. クラスタリングの性能指標
  7. 実装上の注意事項
    1. データの前処理 (スケール変換)
    2. テスト誤差の最小化 (k分割交差検証)
    3. ハイパパラメータの最適化
      • グリッドサーチ
      • ランダムサーチ
    4. 実データの読み込み方法
  8. まとめと質疑応答

2026年1月15日「Pythonではじめる機械学習応用講座」

 本講座は、機械学習の三大学習方式 (教師あり学習、教師なし学習、強化学習) の中から教師あり学習の一種の深層学習と強化学習について学んでいきます。さらに、教師あり学習と教師なし学習、及び強化学習と深層学習のそれぞれ2つの学習方式を組み合わせたハイブリッド学習も取り上げて、幅広く学べるように設計されています。  同時に、Pythonを用いた演習を通して、実践的に学び、現場で使える技術にできるように工夫されています。なお、本セミナーは初級編「Pythonではじめる機械学習入門講座」の続編であり、Python基礎、教師あり学習と教師なし学習の基礎理論と実践演習について修得していることを前提としています。

  1. はじめに
    1. 講師自己紹介
    2. セミナーの狙い
  2. 演習環境の確認
    1. Pythonの実行環境の確認
    2. 各種ライブラリの実行環境の確認
      • Gymnasium
      • Tensorflow
    3. 統合開発環境Jupyter NotebookまたはGoogle Colaboratoryの実行環境の確認
    4. 統合開発環境を用いたPythonのプログラムコーディングと実行方法
  3. 深層学習
    1. 深層学習の概要
    2. ニューロンモデル、階層型ニューラルネットワーク、誤差逆伝播法
    3. 各種深層学習モデル
      • 畳み込みニューラルネットワーク
      • Alexネットワーク
      • LeNet-5など
    4. ライブラリTensorflowの使い方とコーディング方法
    5. サンプルコードを用いた深層学習モデルの実践演習
    6. 参専門書・考書・情報源の紹介
  4. 強化学習
    1. 強化学習の概要
    2. マルコフ決定過程、方策、探索と活用
    3. モデルフリー型強化学習
      • Q学習法
      • SARSA法
      • actor-critic法など
    4. モデルベース型強化学習
      • UCT法
      • モンテカルロ木探索など
    5. ライブラリGymnasiumの使い方とコーディング方法
    6. サンプルコードを用いた強化学習モデルの実践演習
    7. 専門書・参考書・情報源の紹介
  5. ハイブリッド学習
    1. ハイブリッド学習の概要
    2. 次元削減とクラス分類のハイブリッド学習
    3. 次元削減と回帰のハイブリッド学習
    4. 次元削減とクラスタリングのハイブリッド学習
    5. 半教師あり学習とクラスタリングのハイブリッド学習
    6. 深層学習と強化学習のハイブリッド学習 (深層強化学習)
    7. サンプルコードを用いたハイブリッド学習モデルの実践演習
    8. 専門書・参考書・情報源の紹介
  6. ハイパーパラメータ最適化
    1. ハイパーパラメータ最適化の概要
    2. グリッドサーチ
    3. ランダムサーチ
    4. ベイズ最適化
    5. サンプルコードを用いたハイパーパラメータの最適化アプローチの実践演習
    6. 専門書・参考書・情報源の紹介
  7. まとめと質疑応答

受講料

持参品 等

本セミナーでは、演習を行いますので、以下の条件を満たしたノートパソコンを持参して下さい。

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。

「案内の希望」をご選択いただいた場合、1名様 50,000円(税別) / 55,000円(税込) で受講いただけます。
複数名で同時に申込いただいた場合、1名様につき 30,000円(税別) / 33,000円(税込) で受講いただけます。

ライブ配信セミナーについて