★ 機械学習の体系的な整理ができる！　Pythonの基本構文と実装法が身につく！

Pythonではじめる機械学習・深層学習入門講座

【提携セミナー】

主催：株式会社技術情報協会

講座内容

本セミナーでは、機械学習の基本的な教師あり学習手法の考え方や理論的背景の説明とともに、Pythonを用いた簡単な例題を交えて機械学習の原理と実装方法の理解を深めます。さらに、深層学習について基本から始め、画像認識で標準的な畳み込みニューラルネットワークや、代表的な時系列学習法についても解説します。これから本格的な勉強を始める前に概要と雰囲気を掴むには最適かと思います。

習得できる知識

• 機械学習の体系的理解（俯瞰的知識）
• いくつかの代表的な教師あり学習手法とその理論的背景、Pythonによる実装
• 深層学習の基本的な考え方とPythonによる実装
• 深層学習による画像認識、時系列学習

担当講師

大阪大学　産業科学研究所　准教授　博士（情報科学）　福井 健一 氏

セミナープログラム（予定）

１．機械学習の概要

1.1 ビッグデータ時代

1.2 機械学習とは？

1.3 機械学習の分類

1.4 教師あり学習

(1)識別

(2)回帰

1.5 教師なし学習

(1)モデル推定

(2)パターンマイニング

1.6 半教師あり学習

1.7 深層学習（ディープラーニング）

1.8 強化学習

1.9 機械学習の基本的な手順

(1)前処理

(2)次元の呪い

(3)主成分分析による次元圧縮

(4)バイアスとバリアンス

(5)評価基準の設定：クロスバリエーション

(6)簡単な識別器：k-近傍法

(7)評価指標：F値，ROC曲線

２．Pythonの基礎と機械学習の実装方法（Python解説）

2.1 Pythonの基本的構文

2.2 Scikit-learnを用いた機械学習の実装方法

2.3 k近傍法による識別

３．サポートベクトルマシン

3.1 サポートベクトルマシンとは

3.2 カーネル関数

3.3 簡単なカーネル関数の例

3.4 入れ子交差検証によるハイパーパラメータ調整

3.5 ハイパーパラメータ自動探索

3.6 サポートベクトルマシンによる識別（Python解説）

４．深層学習（ディープラーニング）

4.1 深層学習とは

4.2 深層学習の歴史

4.3 表現学習：自己符号化器（AutoEncoder）

4.4 過学習の抑制：Dropout, BatchNormalization

4.5 画像認識：畳み込みニューラルネットワーク（CNN）

4.6 時系列学習：RNN, LSTM, Transformer

4.7 深層学習による識別（Python解説）

【質疑応答】

公開セミナーの次回開催予定

開催日

2023/11/28（火）10:30~16:30

開催場所

Zoomによるオンライン受講

受講料

1名につき55,000円(消費税込･資料付き)

〔1社2名以上同時申込の場合1名につき49,500円(税込)〕

技術情報協会主催セミナー　受講にあたってのご案内

• Live配信セミナーの接続確認・受講手順は こちら をご確認ください。
• お申込み・お支払い方法に関するご案内はこちら をご確認ください。

備考

資料は事前に紙で郵送いたします。

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。

※お申込後はキャンセルできませんのでご注意ください。

※申し込み人数が開催人数に満たない場合など、状況により中止させていただくことがございます。