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おり、このことが理由で機械学習の勉強を挫折される方が多くいる。しかしながら、機械学習の真髄は、“数学を使わなくても”、説明可能である。
　本セミナーでは、機械学習の理論をできるだけわかりやすく説明するため、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る。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、進めていく。

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?
      1. 機械学習に必要なもの
      2. 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
      1. 教師あり学習
      2. 教師なし学習
      3. 半教師あり学習
      4. 強化学習
   3. 機械学習に何ができるのか?
      1. 回帰
         • 重回帰分析
      2. 分類
         • パーセプトロン
         • ニューラルネットワーク
      3. クラスタリング
         • k-means
      4. 次元削減
         • 主成分分析
      5. ルールマイニング
         • Apriori
   4. 機械学習手法の性能を評価する
3. 機械学習の応用
   1. ディープラーニングとは
      1. 特徴量とは
      2. 特徴量抽出の意味する事
   2. 機械学習システムを作るには
      1. Pythonと機械学習ライブラリ
      2. 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. 顧客分析
   2. レコメンダーシステム (推薦システム)
      1. 顧客の嗜好を分析する
   3. テキストマイニング
      1. CGM (消費者生成メディア) の分析
      2. Word2Vecによる言葉のデータ化
   4. 最近の研究トピック お1人様 受講申込要領 1口 (1社3名まで) 受講申込要領 セミナー 総合日程 画像認識 セミナー日程 新宣伝 セミナー日程