<実習セミナーにつき1口受講はありません>





 Pythonを使った
 機械学習入門講座
 

S180822K



   開催日時:2018年8月22日(水) 10:30-16:30

  会  場:ちよだプラットフォームスクウェア (東京都千代田区神田錦町3-21)

       【地下鉄】
             東西線『竹橋駅』3b KKRホテル東京玄関前出口より徒歩2分
             三田線・新宿線・半蔵門線『神保町駅』 A9出口より徒歩7分
             三田線・千代田線・半蔵門線・丸の内線『大手町駅』 C2b出口より徒歩8分
             新宿線・千代田線『小川町駅』 B7出口より徒歩8分
          【JR】
             中央線・山手線・京浜東北線『神田駅』 西口出口・出世不動通りより徒歩12分
             

 受 講 料:55,000円[税別]/1名



※ノートPCをご持参ください。
   ・OSは、WindowsかMacOSを前提とします。
   ・事前にAnacondaをご利用いただき、Python 3.x のインストールをお願いいたします。
   ・セミナー当日にインストールしていただくものがあるかもしれません。
    ご自身で新規のアプリケーション等をインストール可能なノートパソコンをご持参ください。
    管理者権限がないノートパソコンのご利用はお避けください。
   ・演習で必要なファイルを開催3日前をめどにメールにて配布いたします。
    USBでの当日配布も可能です。


 【得られる知識】
   ・機械学習というものが何なのかを人に説明できる程度の知識
   ・機械学習ライブラリの基本的な使い方
   ・機械学習を実際に応用するための糸口


 【対 象】
    これから業務で機械学習を試してみたいけど何から手をつければ分からないと
   いう方、そもそも機械学習が何をするものかわからないという方などに受講して
   いただくと、次の展開への手がかりを掴んでいただけると思います。
    事前知識としては、何らかのプログラミング言語でプログラムを多少なりとも
   書いた経験があることが望ましいですが、必須ではありません。


 【趣旨】
    近年、ビジネスから医療、農業まで多様な分野を対象に、人工知能(AI: Artificial
   Intelligence)技術の応用に関するニュースが日々飛び交うようになってきました。
    実際には、このようなAIブームを牽引しているのは、深層学習(Deep Learning)に代表
   される機械学習という技術であり、AI≒機械学習(もしくは Deep Learning)という
   印象が強くなっています。その一方で、データはあるものの、それを自分たちが抱える
   問題、事業にどう活用していいかわからないという話も多く聞かれるようになりました。
    そこで本セミナーでは、主に機械学習未経験の方に実際に利用する手がかりを得ても
   らうために、機械学習とはどういうものを対象に、何をして、その結果として何が得ら
   れるのか、という基本的なことについて実習を交えて学びます。
    基本的な機械学習手法の説明では、極力数式を使うことを避け、根底にある基本的な
   考え方を理解することを重視します。また、実際にPython上で動く複数のライブラリを
   使ってもらうことでより理解を深めてもらいます。



  講 師


   大原 剛三 氏
 


      青山学院大学 理工学部 情報テクノロジー学科 
      教授




 講義項目

  1. 機械学習とは
   
1.1 機械学習と人工知能
   1.2 実社会での機械学習
   1.3 機械学習を適用するには何が必要か
   1.4 結果をどう評価するのか

  2. 機械学習を始める前に
   
2.1 Python による機械学習環境の準備
   2.2 Jupyter Notebookの基本的な使い方
   2.3 基本的なグラフ描画方法
   2.4 インターネット上のデータリポジトリ

  
3. 機械学習ことはじめ ― 数値を予測してみる ―
   
3.1 単回帰
   3.2 重回帰
   3.3 多項式回帰


  4. 機械学習ことはじめ ― クラスを予測してみる ―
   4.1 ロジスティック回帰
   4.2 決定木とランダムフォレスト
   4.3 ナイーブベイズ分類器
   4.4 サポートベクタマシンによる分類


  5. 機械学習ことはじめ ― 似たもの同士のグループを作ってみる ―
   5.1 クラスタ分析のための距離尺度いろいろ
   5.2 階層的クラスタリング
   5.3 k-means法

  6. さらなるトピック
   6.1 その他のアルゴリズム

  


 お1人様      受講申込要領     セミナー 総合日程