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．