課題解決、品質向上、技術向上のセミナーならTH企画セミナーセンター

理論とPC実践演習で理解を深める

Pythonではじめる機械学習入門(PC演習付き)
~基礎からライブラリの活用、実装に向けた入門知識まで~

エレクトロニクスソフトウェア化学機械

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

連合会館 (東京・お茶の水)

会場案内

Googlemapでの表示はこちら

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.