機械学習の教科書を見ると、理論やアルゴリズムが数式によって説明されています。これが理由で機械学習の勉強を挫折される方がたくさんいます。しかし、機械学習の真髄は数学を使わなくても説明可能です。
　本セミナーでは、機械学習の理論をできるだけわかり易く説明するため、数式の意味を解説しながら、グラフ等により視覚的な説明を心掛けます。
　また、適宜Pythonによるサンプルコードや実際の機械学習を利用したアプリやシステム、サービスなどの事例を示しながら進めていきます。

1. 人工知能 (機械学習) とは?
   1. 人工知能と機械学習
   2. なぜ人工知能が注目されるのか?
   3. 機械学習に必要なもの
   4. ビッグデータ
2. 機械学習の基礎
   1. 機械学習とデータマイニングの違い
   2. 機械学習の種類
   3. 教師あり学習
   4. 教師なし学習
   5. 中間的手法
   6. 機械学習に何ができるのか?
   7. 回帰 : 重回帰分析
   8. 分類 : パーセプトロン、ニューラルネットワーク
   9. クラスタリング : k-means
   10. 次元削減 : 主成分分析
   11. ルールマイニング : Apriori
   12. 機械学習手法の性能を評価する
3. 機械学習の応用
   1. 機械学習のワークフロー
   2. ディープラーニングとは?
   3. 特徴量とは
   4. 特徴量抽出の意味する事
   5. 機械学習システムを作るには
   6. Pythonと機械学習ライブラリ
   7. 機械学習を活用する際の注意点
4. 機械学習のマーケティング分野への活用
   1. マーケティング分析に使われる手法
   2. レコメンダーシステム (推薦システム)
   3. 顧客の嗜好を分析する
   4. テキストマイニング
   5. 自然言語処理
   6. 言葉のデータ化