ハンズオンで学ぶPythonによる機械学習【提携セミナー】
開催日時 | 未定 |
---|---|
担当講師 | 小林 邦和 氏 |
開催場所 | 未定 |
定員 | - |
受講費 | 未定 |
○Pythonとscikit-learnを用いて学ぶ、ハンズオン入門セミナー!
○Python/機械学習それぞれの基本から、各教師あり/教師なし学習の理論・
アルゴリズムと scikit-learnによる実装入門、データ処理・分析・可視化方法まで。
※ハンズオンはMinicondaを使用します。(事前準備あり、本ページ中ほどをご確認お願い致します。)
ハンズオンで学ぶPythonによる機械学習
《基礎から教師あり/教師なし学習の理解、実装への入門知識まで》
【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がある方が望ましいです
◆ 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
◆本セミナーではPythonと機械学習ライブラリを用いたハンズオンでの演習を行います。
以下のご準備をお願い致します。(デスクトップ/ノートどちらでもOKです)
1)PCのプラットフォームやスペック
Windows/Linux/MacOS問いません(講師はWindowsで演習を行う予定です)。
Python開発環境のインストーラMinicondaが、動作するスペックのPCであれば問題ありません。
2)セミナー前に、【Miniconda】のダウンロード/インストール
事前に下記よりMinicondaのダウンロードおよびインストールをお願い致します。
https://docs.conda.io/en/latest/miniconda.html
※ダウンロードの際は、Python 3.x(ver.3系)をお願い致します。
3)事前に【spyder】【scikit-learn】【seaborn】のインストール
2)でMinicondaをインストール後、こちらの3点も事前にインストールお願い致します。
(インストール方法)
- WindowsOS:
Anacondaのメニューの中からAnaconda Promptを起動後、
conda install spyder
conda install scikit-learn
conda install seaborn
とそれぞれ入力しインストール
- LinuxやmacOS:
ターミナルを開き
conda install spyder
conda install scikit-learn
conda install seaborn
とそれぞれ入力しインストール
※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も構いません.
4)演習で使用するサンプルコードは、開催日4、5日前頃までに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、上記ご設定後、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.演習環境の確認
1)Pythonの実行環境の確認
2)各種ライブラリ(NumPy,SciPy,matplotlib,scikit-learn)の実行環境の確認
3)統合開発環境Spyderの確認
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)の確認
3.Python入門講座
1)Pythonの特徴
2)Pythonの基本文法
3)コーディング方法(統合開発環境Spyderの使い方含む)
4)各種ライブラリ(NumPy,SciPy,matplotlib,scikit-learn)の使い方
5)機械学習アルゴリズムの実装方法
6)サンプルコードを用いた実践演習
7)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と著作権
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(過学習)と適合不足(学習不足)
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)
7)クラス分類の性能指標
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)
4)クラスタリングの性能指標
7.実装上の注意事項
1)データの前処理(スケール変換)
2)テスト誤差の最小化(k分割交差検証)
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)
4)実データの読み込み方法
8.まとめと質疑応答
※教師あり学習,教師なし学習とも,「各種教師あり/なし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.
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
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・講師への質問等について
●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。
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。