～ Pythonプログラミングと特徴量探索、機械学習のモデル作成と実装法、画像からの異常値検出方法とPython実装法 ～
・機械学習の内部構造や解釈方法を理解した上で、最適な機械学習モデルを実装するための講座！
・機械学習モデルを実装したPythonコードとともに特徴量探索の技術を修得し、予測や異常検知技術とその精度評価に活かそう！
・講座内で解説するPythonプログラムは配布します
・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。
機械学習モデルのPythonによる実装法と特徴量探索および異常検知への応用 ～デモ付～ ＜オンラインセミナー＞
講師の言葉
Pythonや分析系ライブラリが広く整備されたことによって、機械学習・深層学習を実装する敷居がとても低くなってきたといえます。一方で、よくわからないまますべての特徴量を使用したり、あるいは内部構造や解釈方法がよくわからないままモデルを構築しているという意見をよく耳にします。そのためこのセミナーでは、画像から異常物を検出するという題材などを通して、その理論的背景を解説しながら、プログラミングによる機械学習の実装方法を解説します。
講座内で解説したデータやプログラムは配布しますので、セミナー終了後、ご自身で試すこともできます（環境構築せずにPythonコードを動かせる Google Collaboratory で動作するコードとなります）。
セミナー詳細
| 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 |
| 受講対象者 | ・製造業、公的機関、IT企業、金融関連、設備・機械、マーケティング、生産管理、市場調査、生体情報（時間に従い変動するデータが解析対象であれば、どのような領域でも適合します） |
| 予備知識 | ・Python入門レベルの知識、あるいはPythonに触れたことがある方 |
| 修得知識 |
・内部構造や解釈方法を理解した上で機械学習モデルを実装することができる ・予測および推定に重要な特徴を探し出すことができる ・正しい精度評価とその解釈を行うことができる |
| プログラム |
１．予測に有効な特徴量を発見する方法とそのPythonプログラミング：特徴量探索 （異常検知でよく使われる振動解析の例を含む） （１）．慣性センサ（加速度・角速度）とは （２）．データのロード方法と波形の表示 （３）．特徴量 ａ．時間領域特徴量 ｂ．周波数領域特徴量 ｃ．特徴量変換 （４）．次元の呪い （５）．教師データとテストデータ （６）．特徴量の規格化 （７）．有効な特徴量の探索（目で見て探す方法） （８）．有効な特徴量の探索（指標に基づく方法） （９）．フーリエ変換による周波数解析
２．機械学習の手法とPythonプログラミングの実践 （１）．決定木 ａ．決定木のモデル構築 ｂ．Pythonの記述 （２）．サポートベクターマシン ａ．Pythonの記述 ｂ．特徴量空間の改善例 （３）．ニューラルネットワーク ａ．Pythonの記述 ｂ．モデルの作成
３．応用例：画像からの異常値検出方法とそのPythonプログラミング （１）．畳み込みニューラルネットワーク（深層学習） （２）．精度評価 （３）．推定根拠の可視化
随時、Pythonコードを紹介しながら進めます |
| キーワード | 時間領域特徴量 周波数領域特徴量 特徴量変換 フーリエ変換 決定木 サポートベクターマシン ニューラルネットワーク 異常値検出 推定根拠 |
| タグ | AI・機械学習、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 |
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。 |
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