~ 「生成モデル・識別モデル・識別関数」と代表的なアルゴリズム、教師なし学習:次元削減と可視化の諸手法、スパースモデリングと応用例 ~
・各自の問題に対して適用可能か判断でき、適切な解析手法・代表例となるアルゴリズムを用いてデータ解析を行うための講座!
・「教師あり学習」と「教師なし学習」の代表的なデータ解析手法から、最新のスパースモデリングの応用例まで修得する特別講座!
~ 「生成モデル・識別モデル・識別関数」と代表的なアルゴリズム、教師なし学習:次元削減と可視化の諸手法、スパースモデリングと応用例 ~
・各自の問題に対して適用可能か判断でき、適切な解析手法・代表例となるアルゴリズムを用いてデータ解析を行うための講座!
・「教師あり学習」と「教師なし学習」の代表的なデータ解析手法から、最新のスパースモデリングの応用例まで修得する特別講座!
機械学習の基本的な考え方から、具体的な実用例まで説明します。
基本的な考え方の説明では、新しい手法を学ぶときの理解の指針が得られるようにします。
実用例の紹介の際は、受講される方がお持ちの問題に対して適用可能かを判断できるような説明を心がけます。
開催日時 |
|
---|---|
開催場所 | 日本テクノセンター研修室 |
カテゴリー | ソフト・データ・画像・デザイン |
受講対象者 |
・機械学習の基本的な考え方を俯瞰したい方 ・機械学習では具体的な問題をどのように表現してどのように解くのかを知り、自分の問題に活かしたい方 |
予備知識 | ・大学初年度程度の数学知識(ベクトル、行列、微分)、確率と統計に関する初歩的知識 |
修得知識 |
・機械学習の理論的な理解と、手法の適用の指針がわかる ・多次元データからの知識発見の具体的ですぐに利用できる方法がわかる |
プログラム |
1.機械学習概説 (1).機械学習用語 (2).機械学習で考える問題設定
2.教師あり学習:判別・回帰 (1).代表的な問題設定:教師あり学習の枠組み a.損失関数、正則化経験リスク最小化 (2).データを得てから機械学習の結果の評価までの手続き (3).教師あり学習の3つのモデルと各モデルの代表例となるアルゴリズム 教師あり学習の3つのモデルである「生成モデル・識別モデル・識別関数」と、それぞれの代表例となるアルゴリズム(SVM、ロジスティック回帰、ニューラルネットワークなど)を説明する。さらに木に基づく予測、アンサンブル学習(バギング、ブースティング、ランダムフォレスト)を紹介する
3.教師なし学習:次元削減・可視化 ~探索的データ分析のための重要な手段である次元削減と可視化の諸手法~ (1).主成分分析、MDS、ISOMAP、LLE、t-SNE (2).低次元可視化手法とそれぞれの関連 (3).具体的データへの適用例
4.スパースモデリングと応用例 教師あり、教師なし学習のいずれにも利用でき、次元削減や変数選択にも活用できるスパースモデリングの基礎と最新の応用例を紹介します
※全体を通して、Rによる簡単なデモを交えて説明します |
キーワード | 機械学習 教師あり学習 教師なし学習 生成モデル 識別モデル 識別関数 回帰 判別 次元削減 可視化 スパースモデリング ノンパラメトリック |
タグ | 統計・データ、データ分析 |
受講料 |
一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込) |
会場 |
日本テクノセンター研修室〒 163-0722 東京都新宿区西新宿2-7-1 新宿第一生命ビルディング(22階)- JR「新宿駅」西口から徒歩10分 - 東京メトロ丸ノ内線「西新宿駅」から徒歩8分 - 都営大江戸線「都庁前駅」から徒歩5分 電話番号 : 03-5322-5888 FAX : 03-5322-5666 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金:9:00~17:00 / 定休日:土日・祝日