機械学習・ディープラーニングの基礎,機械学習・ディープラーニングにおけるデータ前処理手法について,実際のサンプルプログラムでデータ加工の有無による精度の差も確認しながら詳しく解説する特別セミナー！！
- 講師
株式会社LINK.A(リンクドットエイ) 代表取締役 太田 桂吾 先生 応用技術株式会社,株式会社ネクステージ AIアナリストを経て現在に至る
- 日時
- 会場
- ※本セミナーはWEB受講のみとなります。
- 受講料
- （消費税率10%込）1名：49,500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：44,000円
- テキスト
受講概要
受講形式 WEB受講のみ ※本セミナーは、Zoomシステムを利用したオンライン配信へ変更となりました。 受講対象 企業（製造業）で機械学習・ディープラーニングを実施してみたい方 予備知識 不要（ただし、プログラムの経験があるほうが望ましい） 習得知識 1)機械学習・ディープラーニングの基礎 2)機械学習・ディープラーニングにおけるデータ前処理手法 など 講師の言葉 機械学習はデータからパターンを抽出をします。その際に重要なことは、以下にデータを加工しパターンを抽出しやすくするか、ということです。どんなにすぐれた機械学習の手法でも、データがそのパターンを<<隠して>>いては、パターンの抽出は非常に難しくなります。データがそのパターンを明示してくれていれば解析は非常に簡単に、早くなります。そのためデータ分析者は、まずデータの加工を学習すべきです。 そのための第一歩として、初学者に平易に説明いたします。また、実際にサンプルプログラムで、データ加工の有無による精度の差も確認します。
プログラム
1.機械学習とは 1-1.概要 1-2.分類 1-3.活用する箇所 2.機械学習のためのデータ準備 2-1.データとは 2-2.画像・言語、音のデータ化 3.機械学習のプロセスと必要なデータ 3-1.学習の概要 3-2.パラメータ調整 3-3.データ量 4.データ加工 4-1.前処理と特徴量エンジニアリング 4-2.前処理の概要 4-3.特徴量エンジニアリングの概要 5.プログラムでの確認 5-1.前処理の実際 5-2.特徴量エンジニアリングの例 5-2-1 画像での特徴量エンジニアリング 5-2-2 音での特徴量エンジニアリング 5-2-3 言語での特徴量エンジニアリング 5-3.特徴量エンジニアリングを活用した場合の差 質疑・応答 講師紹介 略歴 1990年岡山大学文学部卒業 1990年応用技術株式会社入社 多くのWEBシステム構築に携わる。 2019年 株式会社ネクステージ AIアナリスト 2021年 LINK.A 代表取締役 システムエンジニアとして25年勤務 令和元年 独立しシステム開発を中心に活動