１．はじめに

（１）．セミナーの狙い

２．Pythonの基礎

（１）．Pythonの特徴

（２）．Pythonの基本文法

（３）．コーディング方法(統合開発環境Spyderの使い方含む)

（４）．各種ライブラリ(NumPy、SciPy、matplotlib、scikit-learn)の使い方

（５）．機械学習アルゴリズムの実装方法

（６）．参考書・情報源の紹介

３．機械学習概論

（１）．機械学習の概要

（２）．三大学習法(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と著作権

（５）．専門書・参考書の紹介

４．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(過学習)と適合不足(学習不足)

（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デモ

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、ソフトマージン・ハードマージン、非線形モデル)

ｄ．決定木

ｅ．アンサンブル学習(ランダムフォレスト、アダブート)

５．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

（３）．各種教師なし学習アルゴリズムの基礎理論とデモ

ａ．主成分分析(次元削減)

ｂ．k-平均法(クラスタリング)

ｃ．凝集型クラスタリング

ｄ．DBSCAN(クラスタリング)

（４）．クラスタリングの性能指標

６．実装上の注意事項

（１）．データの前処理(スケール変換)

（２）．テスト誤差の最小化(k分割交差検証)

（３）．ハイパパラメータの最適化(グリッドサーチ、ランダムサーチ)

（４）．実データの読み込み方法

７．まとめと質疑応答