機械学習の基礎，ライブラリーの活用，機械学習によるデータ処理・分析・可視化方法について
ＰＣによる実践演習を交えて解説する特別セミナー！！
- 講師
-
愛知県立大学 情報科学部 情報科学科 教授 博士（工学） 小林 邦和 先生
愛知県立大学 次世代ロボット研究所 副所長
- 日時
- 会場
-
- 受講料
-
（消費税等込み）1名：48,600円 同一セミナー同一企業同時複数人数申込みの場合 1名：43,200円
- テキスト
受講概要
受講対象
業種や所属部署は，特に問いませんが，以下のことを目指している方々を対象とします． ・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系ライブラリ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
予備知識
以下の知識や経験があることが，望ましいです． ・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
習得知識
1)機械学習(教師あり学習，教師なし学習)の基礎理論 2)Pythonの基礎文法と基本的なコーディング方法 3)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 4)機械学習によるデータ処理・分析・可視化方法
持参品
ノートパソコン 以下の条件を満たしたノートパソコンを当日持参して下さい． ・プラットフォームは，Windows，Linux，MacOSを問いません． ・演習環境を統一したいので，事前にAnacondaを用いて，Python 3.x(バージョン3系)をインストールしておいて下さい． ・Anacondaを利用すると，演習で必要な標準・外部ライブラリがほとんど自動インストールされますが，mglearnのみ個別インストールが必要となります． 個別インストールは，Windowsでは，Anaconda Promptを開き，pip install mglearnでインストールできます． ・演習で使用するサンプルコードは，USBメモリで準備しますが，万が一に備えて，ノートパソコンは無線WiFi機能を 搭載したものを推奨します．なお，USBメモリや無線WiFi(インターネット)への接続が，社内ルールでNGの方は，事前に配布いたします． ・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． 事前にSpyderをインストールしておいていただけるとスムーズに演習が行えます． なお，Anacondaを利用した場合は，Spyderは自動インストールされます． ・教師あり学習，教師なし学習とも，「各種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．
講師の言葉
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，機械学習の理論的側面のみではなく，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と機械学習系ライブラリ(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。
プログラム
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) なぜいまPythonか？ 3) Pythonの基本文法 4) コーディング方法(統合開発環境Spyderの使い方含む) 5) 各種ライブラリ(NumPy，matplotlib，scikit-learn，mglearnなど)の使い方 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) 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，非線形モデル) d) ナイーブベイズ分類器 ６．教師なし学習 1) 教師なし学習の概要 2) データの前処理とスケール変換 3) 次元削減と特徴量抽出 4) 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．まとめと質疑応答
講師紹介
略歴： 山口大学工学部助手，同助教，愛知県立大学情報科学部准教授を経て，2017年4月より同教授． この間，ヒューストン大学工学部医用生体工学科の客員研究員を兼任． 2017年4月より，愛知県立大学次世代ロボット研究所副所長を兼務． 所属学会・役職・活動状況： 所属学会・役職： 米国電気電子学会(IEEE)，電子情報通信学会，電気学会，人工知能学会，計測自動制御 学会，ロボカップ日本委員会の各会員． 活動状況・役職： 電気学会技術シーズ創出に向けた機械学習協同研究委員会委員長(2012～2014年)，電気学会学習アルゴリズムの高度化を 指向した機械学習技術協同研究委員会委員長(2014～2016年)，RoboCup Soccer Standard Platform League組織委員会 委員(2015～2017年)，ロボカップ2017名古屋世界大会競技専門部会委員(2016～2017年)などを歴任． 現在，Journal of Robotics, Networking and Artificial Life編集委員(2014年～)，電気学会システム技術委員会 1号委員(2017年～)，愛知県サービスロボット安全評価委員会委員などを務める．