データをどうそろえるかという点から実際にどう機械学習にまで展開するかまでについて実例・ハンズオンを踏まえながら詳解!
※オンライン会議アプリzoomを使ったWEBセミナーです。ご自宅や職場のノートPCで受講できます。
1.次世代機械学習について
1-1 機械学習とは
1-2 これまでの機械学習
1-3 これからの機械学習
1-4 データの前処理とは
1-5 特徴量の抽出
1-6 数値・テキスト・画像データの特徴量抽出
1-7 機械学習アルゴリズム
2.数値データの取扱い
2-1 カウントデータ
2-2 連続・離散
2-3 外れ値除去
2-4 対数変換
2-5 正規分布と正規化
3.テキストデータの取扱い
3-1 テキストデータと特徴量
3-2 BoW
3-3 nグラム
3-4 出現頻度による特徴量の抽出
3-5 TF-IDF
4.クラスタリングによるデータのスリム化
4-1 クラスタリング分析
4-2 k平均法
5.次元削減によるデータのスリム化
5-1 次元削減と機械学習
5-2 主成分分析とは?
5-3 主成分分析による次元削減
5-4 主成分分析のケーススタディ
6.画像データの取扱い
6-1 画像データとは
6-2 畳み込みニューラルネットワーク
6-3 学習済モデル
6-4 転移学習