☆機械学習の理論的側面のみではなく,Pythonとscikit-learnを用いた実践演習を通して,理解を深めていく!

Pythonではじめる機械学習入門講座【LIVE配信】
~PC実習付き~

※日程が延期になりました。2/22(木)⇒ 6/18(火)

※受付を終了しました。最新のセミナーはこちら

セミナー概要
略称
Python機械学習入門【WEBセミナー】
セミナーNo.
240274
開催日時
2024年06月18日(火) 10:30~16:30
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
価格
非会員:  55,000円 (本体価格:50,000円)
会員:  44,000円 (本体価格:40,000円)
学生:  55,000円 (本体価格:50,000円)
価格関連備考
会員の方あるいは新規会員登録していただくと、下記の割引が適用されます。
 ・1名申込の場合、55,000円(税込)→44,000円(税込)
 ・2名同時申込の場合、合計110,000円(税込)→合計55,000円(税込)
   ※両名の会員登録が必要です。

会員登録とは? ⇒ よくある質問
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。
備考
・本セミナーは「Zoom」を使ったWEB配信セミナーとなります。

【Zoomを使ったWEB配信セミナー受講の手順】
1)Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2)セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたについてはこちらをご覧ください。
3)開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

・セミナー資料は開催前日までにお送りいたします。無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
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.演習環境の確認
 2-1 Pythonの実行環境の確認
 2-2 各種ライブラリ(NumPy,SciPy,matplotlib,scikit-learn)の実行環境の確認
 2-3 統合開発環境Spyderの実行環境の確認
 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 Pythonの基本文法
 3-3 コーディング方法(統合開発環境Spyderの使い方含む)
 3-4 各種ライブラリ(NumPy,SciPy,matplotlib,scikit-learn)の使い方
 3-5 機械学習アルゴリズムの実装方法
 3-6 サンプルコードを用いた実践演習
 3-7 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(過学習)と適合不足(学習不足)
 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(ハードマージン型線形モデル,ソフトマージョン型線形モデル,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)
 5-7 クラス分類の性能指標

6.教師なし学習
 6-1 教師なし学習の概要
 6-2 次元削減と特徴量抽出
 6-3 各種教師なし学習アルゴリズムの基礎理論と実践演習
  6-3-1 主成分分析(次元削減)
  6-3-2 k-平均法(クラスタリング)
  6-3-3 凝集クラスタリング
  6-3-4 DBSCAN(クラスタリング)
 6-4 クラスタリングの性能指標

7.実装上の注意事項 
 7-1 データの前処理(スケール変換)
 7-2 テスト誤差の最小化(k分割交差検証)
 7-3 ハイパパラメータの最適化(グリッドサーチ,ランダムサーチ)
 7-4 実データの読み込み方法

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パソコン(デスクトップ型,ノート型いずれも可)をセミナー当日までに準備してください.

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Miniconda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ください.

3)Miniconda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.ただし,統合開発環境Spyder,機械学習ライブラリscikit-learn,および可視化ライブラリseabornは,追加インストールする必要があります.これらのインストール方法は,Windowsの場合,Anaconda Prompt,macOSやLinuxの場合,ターミナルを開き,コマンドラインより下記のコマンドを入力して個別にインストールしてください.

conda install spyder
conda install scikit-learn
conda install seaborn

4)演習で使用するサンプルコードは,セミナー開催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が,使い慣れている開発環境(例えばJupyter Notebook,Jupyter Labなど)がある方はそちらを使っていただいて構いません.

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,基礎,入門,教師,あり,なし,強化,実装,講座,研修,セミナー
関連するセミナー
関連する書籍
関連するDVD
関連するタグ
フリーワード検索