セミナー 機械学習 python 人工知能 scikit-learn 教師あり学習 教師なし学習

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
11月
12月
2020年1月
2月〜

化学・電気系 その他各分野
11月
12月
2020年1月
2月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/11/7更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


セミナー 機械学習 python 人工知能 scikit-learn 教師あり学習 教師なし学習

★好評セミナーを時間を拡大しパワーアップ再開講!
 Pythonとscikit-learnを使った入門セミナーです!
★Python/機械学習の基本やコーディングから、各教師あり・教師なし学習の理論・アルゴリズムとPCでの実践、scikit-learnによる実装法と注意事項までを詳解。

ハンズオンで学ぶPythonによる機械学習

〜基礎からライブラリの活用、実装に向けた入門知識まで〜

講師

愛知県立大学 情報科学部 情報科学科 教授 小林 邦和 先生

* 希望者は講師との名刺交換が可能です

講師紹介

■ご略歴:
 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月より現職.現在,愛知県立大学次世代ロボット研究所副所長を兼務.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.博士(工学).

■ご専門および得意な分野・研究:
機械学習(人工知能),知能ロボティクス,ソフトコンピューティング

■本テーマ関連学協会でのご活動:
 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.
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),ICAROB国際プログラム委員会委員(2014〜2019年)などを歴任.
 現在,Journal of Robotics, Networking and Artificial Life編集委員(2014年〜),電気学会論文誌特集号編修小委員会委員(2014年〜),電気学会システム技術委員会1号委員(2017年〜),ICAROB国際組織委員会委員(2019年〜),あいちロボカップAP2020開催委員会競技専門部会部会員(2019年〜),ロボカップ日本委員会理事(2019年〜)などを務める.

→このセミナーを知人に紹介する

日時・会場・受講料

●日時
 2020年2月17日(月) 13:00-17:00
 2020年2月18日(火) 10:00-16:00
●会場 [東京・大井町]きゅりあん4階 第1グループ活動室 →「セミナー会場へのアクセス」
●受講料 1名60,500円(税込(消費税10%)、資料・18日のみ昼食付付)
 *1社2名以上同時申込の場合、1名につき49,500円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

■受講者の皆様へ:PCご持参および環境設定のお願い

 本セミナーでは、【PCをご持参】頂きハンズオン演習を行います。つきまして事前に下記ご準備をお願い致します。

@ プラットフォームは,Windows/Linux/MacOS問いません(講師はWindowsで演習を行う予定)。
  メモリ8GB以上のPCを推奨致します。

A USBポート使用可/Wi-Fiに接続可のPCをご持参ください。
  →当日USBによるデータの受け渡し、WEB上からデータのダウンロードがある可能性がございます。
   会場にはFree Wi-fiがございます。

B Anacondaのダウンロード/インストールのお願い
 事前に下記からAnacondaのダウンロードおよびインストールをお願い致します。
 ダウンロードはPython 3.x(ver.3系)をお願い致します。
https://www.anaconda.com/download/

※上記ページにアクセス、ご自身のOSを選択し「Python 3.7 version」のダウンロードおよびインストールを頂ければ問題ございません。(2019年10月23日現在)

C mglearnのインストール
 BでAnacondaをインストール後、Anacondaのメニューの中からanaconda promptを起動し「pip install mglearn」と入力しmglearnのインストールお願いします。

D 演習で使用するサンプルコードを、開催1週間前ごろ送付予定です。その際、動作確認も案内致しますので、事前にご確認お願い致します。

E PCご持参が難しい場合は、お申込み時に選択欄から『PC貸出』を選択ください。7,700円(税込)にて貸出致します。PCの貸出は原則、開催1週間前までにお申し出ください。

セミナー開催にあたって

■はじめに:
 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,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,日々の業務で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.

■受講対象者:
・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

■必要な予備知識:
・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

■本セミナーで習得できること(一例):
・機械学習(教師あり学習,教師なし学習)の基礎理論
・Pythonの基礎文法と基本的なコーディング方法
・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
・機械学習によるデータ処理・分析・可視化方法

■定員について:
 定員25名です。お申込みはお早めに!
 空き状況のお問い合わせはこちら:03-5740-8755

セミナー内容

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)どの言語を学ぶか
 3)Pythonの優位性
 4)Pythonの基本文法
 5)コーディング方法(統合開発環境Spyderの使い方含む)
 6)各種ライブラリ(NumPy,matplotlib,scikit-learn,mglearnなど)の使い方
 7)機械学習アルゴリズムの実装方法
 8)サンプルコードを用いた実践演習
 9)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)機械学習におけるデータの著作権
 5)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)

6.教師なし学習
 1)教師なし学習の概要
 2)次元削減と特徴量抽出
 3)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.実装上の注意事項
 1)データの前処理(スケール変換など)
 2)実データの読み込み方法(データファイルの読み込み)
 3)テスト誤差の最小化(交差検証法)
 4) パラメータの最適化(グリッドサーチ)

8.まとめと質疑応答

【注意事項】

教師あり学習,教師なし学習とも,「各種教師あり/なし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.

■ご講演中のキーワード:
機械学習(人工知能),教師あり学習,教師なし学習,Python,scikit-learn,クラス分類,回帰,次元削減,クラスタリング

セミナー番号:AC200211

top

注目の新刊

雑誌 月刊化学物質管理

動画配信 統計学入門

異常検知技術と応用提案

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.