〜 データの前処理、特徴選択、分類・回帰・クラスタリング、アルゴリズムの比較・性能向上の実践例、分類・予測・検知の事例、アルゴリズムに合わせた機械学習ツールの特徴 〜
- 利用場面に応じたアルゴリズムの選定を行い、効果的な推定や検出に活かすための講座！
- 代表的な機械学習アルゴリズムを学び、データやタスクに合わせた前処理・特徴選択・パラメータチューニングを行い、機械学習の性能向上に活かそう！
機械学習プロセス・アルゴリズムの基礎と分類・予測・検知への応用例 〜デモ付〜
講師の言葉
機械学習では、データやタスク毎に効果を発揮するアルゴリズムが異なります。また、特徴選択、パラメータチューニングによって学習性能が大きく変化することが少なくありません。
本セミナーでは、機械学習における代表的アルゴリズムの原理とともに、実際の利用場面における特徴選択、パラメータチューニング方法についてデモを交え解説します。また、応用タスクを通して各アルゴリズムの効果の比較や、アルゴリズムの組み合わせによる性能向上の実践例について解説します。
アルゴリズムの説明部分で、「実際に動かすには、３章で紹介するツールの、どのライブラリを使えばよいか」の説明を行います。
セミナー詳細
| 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 | ・機械学習を利用する際に必要なプロセスを一通りマスターしたい方 ・代表的な機械学習アルゴリズムの原理を理解し、実際に使えるようになりたい方 ・機械学習におけるデータの前処理方法について標準的手法を学びたい方 |
| 予備知識 | 線形代数、確率・統計に関する基礎知識があれば理解しやすいと思いますが、必要な概念については都度説明します。 |
| 修得知識 | ・機械学習を利用する際の基本的なプロセス ・データの前処理に関する標準的手法 ・代表的アルゴリズムの基本原理と実践的tips ・機械学習ツールについて紹介 |
| プログラム |
１． 機械学習の概要
２． 機械学習プロセスの概要
３． 機械学習ツールの特徴
４． 分類と回帰
５． クラスタリング
６． 機械学習の実践：各アルゴリズムの効果の比較、性能向上の実践例 |
| キーワード | 機械学習 適用タスク カテゴリーデータ フィルター法 ラッパー法 適合率 再現率 ROC曲線 Weka Ｒ Python K−最近傍法 ナイーブベイズ ロジスティック回帰 SVM 分類 予測 検知 次元の呪い |
| タグ | 統計・データ解析 |
| 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。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日