非専門家を対象にした,Pythonがほぼ初めての人がPythonでプログラミングが出来ることと
機械学習の初歩の理解を目標としたPythonプログラミングの演習中心の特別セミナー!!
- 講師
法政大学 情報科学部 教授 博士(情報理工学) 小池 崇文 先生
日立製作所にて画像処理,バーチャルリアリティなどの研究開発に従事の後、現職
- 日時
- 会場
- 受講料
- 1名:48,600円 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
◎企業/大学等にご所属の方で、以下のような方々 ・他のプログラミング言語の知識は,ある程度あるがPythonはじめての方 ・Pythonについて、簡単な入門書を読んだことがある方 ・機械学習についての入門的な知識を身につけたい方
予備知識
・簡単なPCの操作 (マウス・キーボードの操作,ファイルの取扱い) ・一般的なソフトウェア(OfficeやWebアプリなど)の使用経験 ・Excelで簡単なデータ処理の経験があると良い ・Python以外の言語での簡単なプログラミングの経験 (数行程度,文字の表示などでOK)があることが望ましい
習得知識
1)プログラムとは何かを理解できる 2)Python言語で簡単なプログラムが書ける 3)Pythonの入門書や専門書を読めるようになる 4)機械学習の概要が分かる 5)簡単な機械学習プログラムが書けるようになる 6)機械学習の入門者や専門書を読むための基礎知識
持参品
PC (Pythonパッケージの一つであるAnacondaをインストール済み) 講義ではPCを用いたプログラミング実習を行いますので,下記を満たす環境を準備の上,持参してください. ○最低環境 ・OS:Windows10(32bit、64bit、どちらでも可) ・メモリ:4G以上、 ・CPU: Core i3以上 注: Anacondaは少し動作が重いので、よりメモリがあり、速いマシンを推奨します. 実習にはPythonのIDEであるAnacondaを使用しますので,事前にインストールをお願いします. Python 3.6 以降(Python 2.7 VersionはNG)をインストールしてください.下記からダウンロードできます. https://www.continuum.io/downloads
講師の言葉
2020年からは小学校でのプログラミング教育の必修化が検討されています.また,機械学習は, AI(人工知能)のための主要技術の一つであり,近年,機械学習の一つである深層学習を中心に急速に 進歩を遂げています. このような状況を考えると,それぞれが,近い将来,専門家だけの道具ではなくなることが予想されます. その頃には,簡単なプログラミングができることと,機械学習の基本について理解していることが, 必修の知識・スキルになります. 本講座は,最近,大学でも教えられているPythonを用いて,これから簡単な機械学習を使ってみたい 非専門家を対象にしています.プログラミングの経験はあるが,Pythonはほぼ始めての人が, Pythonでプログラミングができることと機械学習の初歩の理解を目標とした講座です.プログラミングの 題材として機械学習の非常に初歩的な例題を用います.Pythonプログラミングの演習中心の講座です. 講座終了後には,簡単なPythonプログラムのご自身での作成や,簡単な機械学習を用いたデータ処理, 入門書を含めたPythonの書籍や機械学習の入門書が読めるようになることを目指します.
プログラム
1. はじめに 1.1 プログラム・アルゴリズムとは 1.2 プログラミングで出来ること 1.3 プログラミング言語とは 1.4 Pythonとは 2. Python プログラミング 2.1. Anaconda / Spyder の使い方 2.2. コンソールの使い方 2.3. 文字の表示 2.4. 四則演算 2.5. 文字の入出力 2.6. ファイルの入出力 2.7. 演習: 文字入出力・ファイル入出力 2.8. 変数とは 2.9. 整数・浮動小数・文字列・配列 2.10. 型 2.11. 演習: 文字列の処理 2.12. 関数 2.13. ループ処理 2.14. 演習: ファイル名の一括変更 2.15. 条件分岐 2.16. 演習: 条件によって処理を変える 3. ライブラリの利用 3.1 ライブラリとは 3.2 ライブラリの種類 〜Pythonはライブラリが豊富〜 3.3 Numpy 3.3.1 四則演算 3.3.2 配列の取り扱い 3.4 Metaplotlib 3.4.1 2次元プロット 3.4.2 3次元プロット 3.4.3 アニメーション 3.5 演習: ライブラリを実際に使ってみよう 4 . 機械学習とは 4.1 機械学習の概要 4.2 分類問題 4.2.1 分類問題とは 4.2.2 分類器 4.2.3 分類問題の演習 4.3 回帰問題 4.3.1 回帰問題とは 4.3.2 最小二乗法 4.3.3 回帰問題の演習 4.4 クラスタリング 4.4.1 クラスタリングとは 4.4.2 k-means 4.4.3 クラスタリングの演習 5. まとめ *講演の順番は前後する場合があります。
講師紹介
(株)日立製作所にて,映像処理,医療画像処理,バーチャルリアリティ,三次元ディスプレイの研究開発に従事,2013年より現職. 現在は,実世界指向メディア研究室の責任者として,様々な研究に取り組んでいる.学部では,実験,数学,信号処理,CG, プログラミングと幅広い科目について講義している. 情報処理学会をはじめ,関連分野の国際会議・学会の委員を多数歴任.