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.