機械学習の基礎，基本手順，モデル化，各種手法の選択，ディープラーニングの長所・短所，
現実のデータの扱い方などについて製品設計の最適化などの実例を交えて解説する特別セミナー！！
- 講師
国立研究開発法人産業技術総合研究所 人間情報研究部門 情報数理研究グループ
研究グループ長 博士（工学） 赤穂 昭太郎 先生
- 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
・情報産業や製造業などでデータ解析の実務に取り組まれている方，あるいはこれから取り組もうとされている方 ・データ解析プロジェクトのマネージメントを行われている方で，機械学習の中身を知っておきたいという方
予備知識
特に前提としないが，大学初級程度の数学の知識があると理解が容易な部分もある
習得知識
機械学習を用いたデータ解析の基本的な考え方・進め方 1)機械学習の基礎 2)機械学習の基本手順 3)モデル化の効率化 4)機械学習と最適化
講師の言葉
人工知能ブームで，機械学習はさまざまな分野に広がりを見せているが，数多くの手法があり，どのようにデータ解析を 進めてよいかが難しい場合も多い。 本セミナーでは，そもそも機械学習で何ができるのかといった入門レベルからはじめ，機械学習を使いこなすための 第一歩を踏み出せるようにすることを目標とする。 機械学習によるデータ解析が難しい理由の一つは，手法にいろいろな種類があり，さらにそれぞれの手法にはさまざまな オプションがあるという点である。 セミナーでは，ベイズモデリングや正則化といった機械学習の基本的な考え方を通して， 手法を適切に選べるようにする。現在機械学習の中でも最も注目されているディープラーニングについても，その長所や短所， どのような問題に向いているかなどについて述べる。 一方，過去に蓄積して死蔵されたデータや欠測値を含んだデータなど，現実のデータは教科書通りのきれいなものとは限らない。 こうしたデータの扱いについても基本的な考え方を紹介する。 また，製造業などで需要の高い製品設計の最適化などへも 機械学習技術が適用可能であることを，できるだけ実例を交えながら紹介する。
プログラム
１．機械学習の基礎 (1) 機械学習とは (2) 多変量解析・データマイニングと機械学習 (3) 機械学習の最新動向 (4) 機械学習でできること (5) 回帰と予測：一番簡単な機械学習 (6) 汎化誤差とモデル選択 (7) 正則化法 (8) ベイズモデリング：機械学習を束ねる枠組み (9) 機械学習と最適化 ２．機械学習の基本手順 (1) 現場的データ解析 (2) データの可視化 (3) あてはめと予測 (4) 予測と補間・主な手法 (5) 交差検証 (6) スパースモデリング (7) 主成分分析：低次元化の方法 (8) 推薦とトピック抽出 (9) 欠損値の補完 (10)クラスタ分析 (11)異常値・外れ値検出 (12)パターン認識 (13)パターン認識のいろいろな手法 ３．モデル化の効率化 (1) 線形ガウスモデル (2) ベイジアンネット (3) ナイーブベイズ法 (4) カーネル法 (5) サポートベクターマシン (6) ランダムフォレスト (7) 転移学習とデータ利用 (8) ニューラルネットワーク (9) ディープラーニングの基礎 (10)意思決定とバンディット問題 (11)強化学習 (12)パーティクルフィルタ ４．機械学習と最適化 (1) 製造業と最適化 (2) 最急降下法と局所解の問題 (3) 最適化とベイズモデリング (4) スペクトルデータの解析 (5) マルコフ連鎖モンテカルロ法による最適化 (6) ベイズ最適化による最適実験計画 ５．まとめ
講師紹介
愛知県名古屋市出身 １９９０年東大工学部計数工学科修士了 同年通産省電子技術総合研究所に入所 独立行政法人化等による再編を経て現在に至る 東京工業大学 特定教授 兼任 著作： カーネル多変量解析，岩波書店 （単著） パターン認識と機械学習，丸善出版 (共訳) 所属学会等 日本神経回路学会 理事 電子情報通信学会 会員