比較的に読みやすく、覚えやすいとされるPythonの基礎を理解した上で、
機械学習の実装(ディープラーニング)への活用までを実習を通じて学んでいく!
1.はじめに
2.演習環境の構築
2-1 Pythonのインストール
2-2 各種ライブラリ(NumPy、SciPy、matplotlib、IPython、pandas、mglearn、scikit-learn)のインストール
3.Python入門講座
3-1 Pythonの特徴
3-2 Pythonのコーディング方法
3-3 各種ライブラリの使い方
3-4 サンプルコードを用いた実践演習
4.教師あり学習
4-1 教師あり学習の概要
4-2 クラス分類と回帰
4-3 汎化と過剰適合
4-4 各種学習アルゴリズムと実践演習
4-4-1 k-最近傍法
4-4-2 線形モデル
4-4-3 ナイーブベイズ分類器
4-4-4 決定木
4-4-5 サポートベクトルマシン
4-4-6 ニューラルネットワーク
5.教師なし学習
5-1 教師なし学習の概要
5-2 前処理とスケール変換
5-3 次元削減と特徴量抽出
5-4 各種学習アルゴリズムと実践演習
5-4-1 k-means法
5-4-2 凝集型クラスタリング
5-4-3 DBSCAN
6.まとめ
【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) 可能であれば、事前に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。インストーラとしては、Anacondaを推奨します。
3) 可能であれば、事前に各種ライブラリ(NumPy、SciPy、matplotlib、IPython、pandas、mglearn、scikit-learn)をインストールしておいて下さい。なお、Anacondaを利用した場合は、個別インストールが必要なライブラリはmglearnのみとなります。
4) 演習で使用するサンプルコード,インストーラ(Anaconda),ライブラリ(mglearn)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LAN機能を搭載したものを推奨します。
5) 当日,講師はPythonの開発環境(IDE)として,Spyderを用いて説明を行いますので,可能であれば,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は自動的に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。