~ 機械学習ライブラリscikit-learnを活用した実装法、教師あり・教師なし学習、実装上の注意点 ~
・Pythonのコーング方法や機械学習アルゴリズムの実装方法を実践的に修得する講座
・Pythonと機械学習系ライブラリを実践的に修得し、大量のデータの山から有効な知識を抽出し、最適な実務に活かそう!
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
~ 機械学習ライブラリscikit-learnを活用した実装法、教師あり・教師なし学習、実装上の注意点 ~
・Pythonのコーング方法や機械学習アルゴリズムの実装方法を実践的に修得する講座
・Pythonと機械学習系ライブラリを実践的に修得し、大量のデータの山から有効な知識を抽出し、最適な実務に活かそう!
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
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になります。
本セミナーでは、機械学習の基礎理論のみではなく、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。
従って、純粋に最近流行りのPythonを学びたい人から、業務でデータ処理・解析をしたい人まで、幅広い方を対象としています。
特に、日々の業務で大量のデータを扱っていて、そのデータの山から知識を抽出したいと思っている方が最適な受講対象者となります
Pythonでコーディングした経験がない人も歓迎しますが、実践演習を通して学んでいきますので、他の言語によるプログラミングや、コンピュータ(アプリケーションソフトウェア)によるデータ処理の経験がある方が望ましいです。
開催日時 |
|
---|---|
開催場所 | オンラインセミナー |
カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン、品質・生産管理・ コスト・安全、研究開発・商品開発・ ビジネススキル |
受講対象者 |
・機械学習の基礎理論のみではなく、コンピュータを用いた実践演習を通して、機械学習の理解を深め、実務で使用したい方 ・コンピュータ言語Pythonのコーディング方法や機械学習系ライブラリ(scikit-learn)の活用方法を学びたい方 ・日々大量のデータを扱っていて、そのデータの山から知識を抽出したい方 |
予備知識 |
・高校卒業レベルの数学の知識 ・他のコンピュータ言語によるプログラミングの経験、またはコンピュータ(アプリケーションソフトウェア)によるデータ処理の経験があればより理解が得られます |
修得知識 |
・機械学習(教師あり学習、教師なし学習)の基礎理論 ・Pythonの基礎文法と基本的なコーディング方法 ・機械学習ライブラリscikit―learnを活用した機械学習アルゴリズムの実装方法 ・機械学習によるデータ処理・分析・可視化方法 |
プログラム |
1.セミナーの狙い
2.演習環境の構築 (1).Pythonのインストール ・ディストリビューションAnaconda利用 (2).各種ライブラリ ・NumPy、SciPy、matplotlib、IPython、pandas、mglearn、scikit-learn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)
3.Pythonの基礎 (1). Pythonの特徴 (2).なぜいまPythonか? (3).Pythonの基本文法 ・コーディング方法(統合開発環境Spyderの使い方含む (4).サンプルコードを用いた実践演習 (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).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 a.教師あり学習 b.教師なし学習 c.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).過剰適合と適合不足 (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 a. k-最近傍法(クラス分類、回帰) b.線形モデル(線形回帰、Ridge回帰、Lasso回帰、ロジスティック回帰) c.サポートベクトルマシン(線形モデル、非線形モデル)
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 (4).各種学習アルゴリズムの基礎理論と実践演習 (5).主成分分析(次元削減) a.k-平均法(クラスタリング) b.凝集型クラスタリング c.DBSCAN(クラスタリング)
7.実装上の注意事項
8.まとめと質疑応答 (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)
【注意事項】 ※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パソコンを準備して下さい。 (1).プラットフォームは、Windows、Linux、MacOSを問いません。 (2).演習環境を統一したいので、事前に Anacondaを用いて、Python 3.x(バージョン3系)をインストールしておいて下さい。 (3).Anacondaを利用すると、演習で必要な標準・外部ライブラリがほとんど自動インストールされますが、mglearnのみ個別インストールが必要となります。 個別インストールは、 Windowsでは、Anaconda Promptを開き、pip install mglearnでインストールできます。 (4).演習で使用するサンプルコードは、USBメモリで準備しますが、万が一に備えて、ノートパソコンは無線WiFi機能を搭載したものを推奨します。なお、USBメモリや無線WiFi(インターネット)への接続が、社内ルールでNGの方は、事前に配布いたします。 (5). 本セミナーでは、Pythonの統合開発環境(IDE)として、Spyderを用いて説明を行います。 事前にSpyderをインストールしておいていただけるとスムーズに演習が行えます。 なお,Anacondaを利用した場合は、Spyderは自動インストールされます。 (6).教師あり学習、教師なし学習とも、「各種学習アルゴリズムの基礎理論と実践演習」では、当日の進行状況に応じて、すべての手法が取り上げられない可能性があります。 |
キーワード |
Python 機械学習アルゴリズム 教師あり学習 教師なし学習 線形モデル サポートベクトルマシン クラスタリング 主成分分析 Anaconda 主成分分析 k-平均法 DBSCAN |
タグ | AI・機械学習 |
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 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
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