★バギング、ランダムフォレスト、ブースティングの基本的な考え方からPythonによる実装例までやさしく解説します！

Pythonによるアンサンブル学習の基礎と応用

【提携セミナー】

主催：株式会社技術情報協会

講座内容

本講演では、アンサンブル学習とよばれるデータサイエンスの手法について学びます。ア ンサンブル学習とは比較的簡単な機械学習モデルを多数組み合わせることで、高い予測精度を達成する 方法です。講演ではまずデータサイエンスの基礎から始め、次に機械学習において広く使われている決 定木について紹介します。その後、決定木の性能を向上させるためのアンサンブル学習法について解説 します。アンサンブル学習には多くの種類がありますが、バギング、ランダムフォレスト、ブースティ ングといった代表的な手法について、基本的な考え方から説明します。それぞれの手法について、プロ グラミング言語Pythonによる簡単な実装例を初歩から学んでいきます。

習得できる知識

・データサイエンスの基礎
・アンサンブル学習の基礎
・Pythonによる簡単な実装

担当講師

東京工業大学 情報理工学院 数理・計算科学系 教授　金森 敬文氏

セミナープログラム（予定）

1. 機械学習の紹介
1.1　応用例
1.2　統計的データ解析とランダム性
1.3　問題設定
1.4　機械学習とPython
1.5　Jupyter Notebook
1.6　機械学習のためのライブラリ

2. データサイエンスの問題設定
2.1　母集団とデータ・サンプリング
2.2　学習と予測
3. 決定木
3.1　決定木とは
3.2　決定木の学習
3.3　予測性能の評価・データへの過剰適合
3.4　決定木のためのモデル選択

4. アンサンブル学習
4.1　アンサンブル学習の考え方
4.2　さまざまなアンサンブル学習法

5. バギング
5.1　ブートストラップ
5.2　ブートストラップによるアンサンブル：判別分析
5.3　ブートストラップによるアンサンブル：回帰分析
5.4　コードと例

6. ランダムフォレスト
6.1　ランダムフォレストの学習法
6.2　ランダムフォレストによる特徴量評価
6.3　コードと例

7. ブースティング
7.1　ブースティングの考え方
7.2　決定木に対する勾配ブースティング
7.3　勾配ブースティング：回帰分析の場合
7.4　勾配ブースティング：多値判別の場合
7.5　回帰木による勾配方向の推定
7.6　勾配ブースティングのアルゴリズム
7.7　二値判別のためのブースティング法
7.8　コードと例

公開セミナーの次回開催予定

開催日

2024/3/29（金）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。