ホーム > セミナー > Pythonではじめる機械学習入門講座【名古屋開催】

Pythonではじめる機械学習入門講座【名古屋開催】

≪PC実習付き/PythonをインストールしたノートPCをご持参ください≫

セミナー概要

略称
Python機械学習【名古屋開催】
セミナーNo.
開催日時
2020年04月09日(木)10:00~16:30
主催
(株)R&D支援センター
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
開催場所
ウインクあいち 11F 1108
講師
愛知県立大学 情報科学部 情報科学科 教授 博士(工学) 小林 邦和 氏
   
《専門》
 人工知能,知能ロボティクス

《略歴》
 山口大学工学部助手,同助教,愛知県立大学情報科学部准教授を経て,2017年4月より現職.この間,ヒューストン大学工学部医用生体工学科客員研究員を兼任.博士(工学).
 米国電気電子学会,電子情報通信学会,電気学会,人工知能学会,計測自動制御学会,ロボカップ日本委員会の各会員.
 電気学会技術シーズ創出に向けた機械学習協同研究委員会委員長(2012~2014年)や電気学会学習アルゴリズムの高度化を指向した機械学習技術協同研究委員会委員長(2014~2016年),ICAROB国際プログラム委員会委員(2014~2019年)などを歴任.現在,Journal of Robotics, Networking and Artificial Life編集委員(2014年~),電気学会論文誌特集号編修小委員会委員(2014年~),電気学会システム技術委員会1号委員(2017年~),ICAROB国際組織委員会委員(2019年~),あいちロボカップAP2020開催委員会競技専門部会部会員(2019年~),ロボカップ日本委員会理事(2019年~)などを務める.

<受賞>
 ANNIE1994 Best Paper Award(1994年)
 ロボカップジャパンオープン 小型ロボット車輪型優勝(2013年)
 ロボカップ研究賞(2014,2015年)
 ロボカップジャパンオープン サッカー標準プラットフォームリーグ優勝(2014,2015年)
 ロボカップジャパンオープン サッカー標準プラットフォームリーグ テクニカルチャレンジ第1位(2015年)
 ロボカップジャパンオープン サッカー標準プラットフォームリーグ準優勝(2016,2017年)
 電気学会電子・情報・システム部門大会企画賞(2016年)
 ロボカップ世界大会 サッカー標準プラットフォームリーグチャレンジシールド部門優勝(2017年)
 ロボカップ世界大会 サッカー標準プラットフォームリーグチャレンジシールド部門第3位(2018年)
 人工知能学会賞(2018年)
価格
非会員: 55,000円(税込)
会員: 49,500円(税込)
学生: 11,000円(税込)
価格関連備考
■ 会員(案内)登録していただいた場合、通常1名様申込で55,000円(税込)から
 ・1名で申込の場合、49,500円(税込)へ割引になります。
 ・2名同時申込で両名とも会員登録をしていただいた場合、計55,000円(2人目無料)です。
■ 会員登録とは? ⇒ よくある質問
■ 学生価格は、教職員や研究員、企業に在籍されている学生には適用されません。また、当日学生証をご持参ください。
定員
30名 ※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
持参物
PythonをインストールしたノートPC
備考
昼食・資料付き

講座の内容

受講対象・レベル
 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ます.特に,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引き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,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の経験や,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.
習得できる知識
1)Pythonの基本的なコーディング方法
2)Pythonの各種ライブラリの活用方法
3)代表的な機械学習(教師あり学習,教師なし学習)の基礎理論
4)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
5)機械学習によるデータ処理・分析・可視化方法
趣旨
 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,機械学習の理論的側面のみではなく,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.
プログラム
1.はじめに
 1-1 講師自己紹介
 1-2 セミナーの狙い

2.演習環境の構築
 2-1 Pythonのインストール(ディストリビューションAnaconda利用)
 2-2 各種ライブラリ(NumPy,SciPy,matplotlib,IPython,pandas,mglearn,scikit-learn)のインストール
 2-3 統合開発環境Spyderのインストール
 2-4 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入門講座
 3-1 Pythonの特徴
 3-2 なぜいまPythonか?
 3-3 Pythonの基本文法
 3-4 コーディング方法(統合開発環境Spyderの使い方含む)
 3-5 各種ライブラリ(NumPy,SciPy,matplotlib,scikit-learn,mglearnなど)の使い方
 3-6 機械学習アルゴリズムの実装方法
 3-7 サンプルコードを用いた実践演習
 3-8 参考書・情報源の紹介

4.機械学習概論
 4-1 機械学習の概要
 4-2 三大学習法(教師あり学習,教師なし学習,強化学習)
 4-3 機械学習データセットの紹介
 4-4 機械学習におけるデータの著作権
 4-5 専門書・参考書の紹介

5.教師あり学習
 5-1 教師あり学習の概要
 5-2 クラス分類と回帰
 5-3 過剰適合と適合不足
 5-4 モデル複雑度と精度
 5-5 多クラス分類
 5-6 各種教師あり学習アルゴリズムの基礎理論と実践演習
  5-6-1 k-最近傍法(クラス分類,回帰)
  5-6-2 線形モデル(線形回帰,Ridge回帰,Lasso回帰,ロジスティック回帰)
  5-6-3 サポートベクトルマシン(線形モデル,非線形モデル) 
  5-6-4 決定木
  5-6-5 アンサンブル学習(ランダムフォレスト,アダブースト)

6.教師なし学習
 6-1 教師なし学習の概要
 6-2 データの前処理とスケール変換
 6-3 次元削減と特徴量抽出
 6-4 各種教師なし学習アルゴリズムの基礎理論と実践演習
  6-4-1 主成分分析(次元削減)
  6-4-2 k-平均法(クラスタリング)
  6-4-3 凝集型クラスタリング
  6-4-4 DBSCAN(クラスタリング)

7.実装上の注意事項 
 7-1 データの前処理(スケール変換など)
 7-2 実データの読み込み方法
 7-3 モデル選択(パラメータの設定方法)

8.まとめと質疑応答


【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ノートパソコンを持参して下さい.


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,人工知能,AI,教師,あり,なし,入門,基礎,講座,研修,セミナー

関連するセミナー

関連する書籍・DVD

関連するタグ