機械学習のさまざまな手法を利用しながら、

データを分析するための基礎知識を身につけましょう！

手法の適用方法を知るだけでなく、

なぜそのような計算を行うのかといった仕組みの理解についても説明します！

Pythonによる機械学習の基礎と実践

～演習付き～

◆受講者限定で見逃し配信（1週間：何度でも視聴可）を予定しております。

【提携セミナー】

主催：株式会社R&D支援センター

◆セミナー趣旨

インターネットや情報端末の普及により、日々大量のデータが収集・蓄積されています。それらのデータを適切に分析し、企画や戦略の立案に役立てることが、どの分野でも重要な課題となっています。

このセミナーでは、機械学習のさまざまな手法を利用しながら、データを分析するための基礎知識を身につけていきます。単に手法の適用方法を知るだけでなく、なぜそのような計算を行うのかといった仕組みの理解についても初歩からお話しします。

◆習得できる知識

機械学習の基本的な手法である回帰（重回帰分析）、分類（ロジスティック回帰、サポートベクターマシン）、クラスタリング（k-means法）、主成分分析などについて、基本的な考え方と活用方法を習得できます。

◆受講対象

機械学習についての基本的な手法と知識を初歩から学びたい方。新人～管理職まで、興味をお持ちの方であればどなたでも構いません。

◆必要な前提知識

開発環境として、Google Colaboratoryを利用してPythonのプログラムを作成するので、Googleのアカウントが必要になります。
初歩から解説するので、プログラミングや数学、統計学の前提知識は必要ありません。

◆キーワード

機械学習,Python,重回帰分析,主成分分析,前処理,AI,セミナー,講演,研修

担当講師

有限会社ローグ・インターナショナル 代表取締役
羽山 博 氏

【ご専門】
情報学、認知科学

【ご経歴等】
1961年生まれ。京都大学文学部哲学科(心理学専攻)卒業後、日本電気株式会社でプログラミングやシステム分析・設計のユーザー教育・社内要員教育を担当。1991年ライターとして独立。2006年に東京大学大学院学際情報学府博士課程を単位取得後退学。
現在、有限会社ローグ・インターナショナル代表取締役、東京大学、一橋大学講師(非常勤)。

セミナープログラム（予定）

１． AI・機械学習の概要
1-1. AI・機械学習とは
(1) 【演習】AI・機械学習を体験してみよう
(2) 教師あり学習とは
(3) 教師なし学習とは
1-2. 利用環境と簡単な操作の確認
(1) Google Colaboratoryの使い方
(2) 【演習】簡単なPythonのプログラムを作成・実行しよう

２． 機械学習におけるデータの取り扱い
2-1. pandasデータフレーム（表形式のデータ）を利用する
(1) データフレームから列や行を取り出す
(2) データフレームから特定のデータを取り出す
(3) すべての値に対して一括して計算を行う
(4) 条件に合う値だけを取り出す
2-2. 【演習】大量のデータを取り扱う
(1) 株価データの利用とチャートの作成
(2) 不動産データの利用と基本統計量、相関行列の計算

３． 教師あり学習〜重回帰分析による予測
3-1. 回帰分析とは
(1) 単回帰分析と重回帰分析の考え方
(2) （参考）回帰分析のしくみ
3-2. 重回帰分析による予測を行う
(1) 重回帰分析により賃貸物件の家賃を予測する
(2) 重回帰分析の性能評価・留意点
(3) 【演習】糖尿病の進行状況を予測してみよう
(4) (参考) 多項式回帰によるCO2排出量の予測

４． 教師あり学習〜ロジスティック回帰による分類
4-1. 分類とは
(1) ロジスティック回帰とは
(2) (参考) ロジスティック回帰のしくみ
4-2. ロジスティック回帰による分類を行う
(1) ウミガメの性別を分類する
(2) 【演習】 ワインの品種を分類してみよう

５． データの前処理とモデルのチューニング
5-1. 【演習】データの前処理
(1) 欠損値や外れ値の取り扱い
(2) カテゴリデータの取り扱い
(3) スケーリングによる精度の向上
5-2. 【演習】さまざまなモデルの利用とチューニング
(1) ホールドアウト法による過学習の検出
(2) 回帰のモデル〜リッジ回帰、ラッソ回帰、サポートベクター回帰
(3) 分類のモデル〜k-近傍法、決定木、サポートベクターマシン
(4) グリッドサーチによるパラメータの決定
(5) アンサンブル学習による精度の向上

６． 教師なし学習
6-1. k-means法によるクラスタリング
(1) k-means法の考え方
(2) アヤメの品種を分類する
(3) 【演習】 インターネットの利用者を分類し、特徴を可視化しよう
6-2. 主成分分析による次元圧縮
(1) 主成分分析の考え方
(2) 成績データの特徴をとらえる
(3) 【演習】中古車データの説明変数を要約して回帰分析を行ってみよう

７． まとめ・展望
・ディープラーニングの事例紹介
・生成AIの事例紹介
・さらなる学びのために

【質疑応答】

公開セミナーの次回開催予定

開催日

2025年04月16日（水） 10:30～16:30

開催場所

【WEB限定セミナー】※会社やご自宅でご受講下さい。

受講料

非会員： 55,000円 （本体価格：50,000円）
会員： 49,500円 （本体価格：45,000円）

会員（案内）登録していただいた場合、通常1名様申込で55,000円（税込）から

• 1名で申込の場合、49,500円（税込）へ割引になります。
• 2名同時申込で両名とも会員登録をしていただいた場合、
  55,000円（1名当たり 27,500円）（税込）です。

※セミナー主催者の会員登録をご希望の方は、申込みフォームのメッセージ本文欄に「R&D支援センター会員登録希望」と記載してください。ご登録いただくと、今回のお申込みから会員受講料が適用されます。

※R&D支援センターの会員登録とは？
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。

LIVE配信のご案内

こちらをご参照ください

備考

• 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。

特典

◆受講者限定で見逃し配信（1週間：何度でも視聴可）を予定しております。

持参物

開発環境として、Google Colaboratoryを利用してPythonのプログラムを作成するので、Googleのアカウントが必要になります。

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。