～基礎からライブラリの活用、実装に向けた入門知識まで～

ハンズオンで学ぶPythonによる機械学習

【提携セミナー】

主催：株式会社情報機構

◆　はじめに：
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，機械学習の基礎理論のみではなく，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と機械学習ライブラリscikit-learnを用います．従って，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ています．

特に，日々の業務で大量のデータを扱っていて，そのデータの山から知識を抽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，実践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．

◆　受講対象者：

• 機械学習の基礎理論のみではなく，コンピュータを用いた実践演習を通して，機械学習の理解を深め，実務で使用したい方
• コンピュータ言語Pythonのコーディング方法や機械学習ライブラリscikit-learnの活用方法を学びたい方
• 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抽出したい方

◆　必要な予備知識：

• 高校卒業レベルの数学の知識
• 他のコンピュータ言語によるプログラミングの経験，
  またはコンピュータ（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

◆　本セミナーで習得できること：

• Pythonの基本的なコーディング方法
• Pythonの各種ライブラリの活用方法
• 代表的な機械学習法（教師あり学習，教師なし学習）の基礎理論
• 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
• 機械学習によるデータ処理・分析・可視化方法
  など

◆　ご講演中のキーワード：

• 機械学習（人工知能），教師あり学習，教師なし学習，Python，scikit-learn，クラス分類，回帰，次元削減，クラスタリング

◆　本セミナーでは、セミナー中に演習を行います。以下の条件を満たしたパソコン（デスクトップ／ノートいずれも可）のご準備お願い致します。

① プラットフォームは，Windows／Linux／MacOS問いません（講師はWindowsで演習を行う予定です）。
メモリ8GB以上のPCを推奨致します。

② Anacondaのダウンロード／インストールのお願い
事前に下記からAnacondaのダウンロードおよびインストールをお願い致します。
ダウンロードはPython 3.x（ver.3系）をお願い致します。
https://www.anaconda.com/products/individual

※上記ページにアクセス、ページ下部のAnaconda Installersよりご自身のOSを選択し
ダウンロードおよびインストールを頂ければ問題ございません。（2020年9月17日現在）

③ mglearnのインストール
②でAnacondaをインストール後、Anacondaのメニューの中からanaconda promptを起動し「pip install mglearn」と入力しmglearnのインストールお願いします。

④ 演習で使用するサンプルコードも資料と一緒に送付予定です。
その際、動作確認も案内致しますので、事前にご確認お願い致します。

担当講師

愛知県立大学　情報科学部　情報科学科　教授　小林 邦和 氏

セミナープログラム（予定）

１．はじめに
1）講師自己紹介
2）セミナーの狙い

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

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

５．教師あり学習
1）教師あり学習の概要
2）クラス分類と回帰
3）過剰適合と適合不足
4）モデル複雑度と精度
5）多クラス分類
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
a）k-最近傍法（クラス分類，回帰）
b）線形モデル（線形回帰，Ridge回帰，Lasso回帰，ロジスティック回帰）
c）サポートベクトルマシン（線形モデル，ソフトマージン，非線形モデル）
d）決定木
e）アンサンブル学習（ランダムフォレスト，アダブート）

６．教師なし学習
1）教師なし学習の概要
2）次元削減と特徴量抽出
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
a）主成分分析（次元削減）
b）k-平均法（クラスタリング）
c）凝集型クラスタリング
d）DBSCAN（クラスタリング）

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

８．まとめと質疑応答

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

オンライン配信のご案内

★　Zoomによるオンライン配信

★　見逃し視聴

★　ライブ配信（Zoomでの受講が難しい方へ）

については、こちらをご参照ください

受講料

未定

配布資料

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）。
  ＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）

備考

• 当日、可能な範囲で質疑応答も対応致します。
  （全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
• 本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
• ご受講前に必ず本ページ内の「ライブ配信」の詳細を確認下さい。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

★【オンラインセミナー（見逃し視聴なし）】、【オンラインセミナー（見逃し視聴あり）】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。