• 2019年10月17日(木) 10:30 ~ 17:30

１．Pythonによる演習環境の構築とライブラリについて
　　（１）．Pythonの概要とインストール
　　　　・ディストリビューションAnaconda利用
　　（２）．各種ライブラリについて
　　　　・NumPy、SciPy、matplotlib、IPython、pandas、mglearn、scikit-learn等のインストール
　　（３）．統合開発環境Spyderのインストール
　　（４）． Pythonの実行方法
　　　　・インタプリタ、コマンド渡し、統合開発環境、

２．Pythonの概要について
　　（１）．Pythonの特徴
　　（２）．なぜいまPythonか？
　　（３）．Pythonの基本文法
　　（４）．コーディング方法(統合開発環境Spyderの使い方含む
　　（５）．各種ライブラリ
　　　　・NumPy、matplotlib、scikit-learn、mglearnなどの使い方
　　（６）．機械学習アルゴリズムの実装方法
　　（７）．サンプルコードを用いた実践演習
　　（８）．参考書・情報源の紹介

３．機械学習概論について
　　（１）．機械学習の概要
　　（２）．三大学習法について
　　　　・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

４．教師あり学習のアルゴリズムと演習
　　（１）．教師あり学習の概要
　　（２）．クラス分類と回帰
　　（３）．過剰適合と適合
　　（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
　　（７）．Ｋ-最近傍法(クラス分類、回帰)
　　（８）．線形モデル(線形回帰、Ridge回帰、Lasso回帰、ロジスティック回帰)
　　（９）．サポートベクトルマシン(線形モデル、非線形モデル)

５．教師なし学習のアルゴリズムと演習
　　（１）．教師なし学習の概要
　　（２）．次元削減と特徴量抽出
　　（３）．各種学習アルゴリズムの基礎理論と実践演習
　　（４）．主成分分析(次元削減)
　　（５）．Ｋ-平均法(クラスタリング)
　　（６）．凝集型クラスタリング
        (７）．DBSCAN(クラスタリング)

６．実装上の注意事項
（１）．データの前処理(スケール変換など)
（２）．実データの読み込み方法
（３）．モデル選択(パラメータの設定方法)

日本テクノセンター研修室