近年、ビジネスから医療、農業まで多様な分野を対象に、人工知能 (AI: Artificial Intelligence) 技術の応用に関するニュースが日々飛び交うようになってきました。実際には、このようなAIブームを牽引しているのは、深層学習 (Deep Learning) に代表される機械学習という技術であり、AI≒機械学習 (もしくは Deep Learning) という印象が強くなっています。その一方で、データはあるものの、それを自分たちが抱える問題、事業にどう活用していいかわからないという話も多く聞かれるようになりました。
　そこで本セミナーでは、主に機械学習未経験の方に実際に利用する手がかりを得てもらうために、機械学習とはどういうものを対象に、何をして、その結果として何が得られるのか、という基本的なことについて実習を交えて学びます。基本的な機械学習手法の説明では、極力数式を使うことを避け、根底にある基本的な考え方を理解することを重視します。また、実際にPython上で動く複数のライブラリを使ってもらうことでより理解を深めてもらいます。

1. 機械学習とは
   1. 機械学習と人工知能
   2. 実社会での機械学習
   3. 機械学習を適用するには何が必要か
   4. 結果をどう評価するのか
2. 機械学習を始める前に
   1. Python による機械学習環境の準備
   2. Jupyter Notebookの基本的な使い方
   3. 基本的なグラフ描画方法
   4. インターネット上のデータリポジトリ
3. 機械学習ことはじめ – 数値を予測してみる –
   1. 単回帰
   2. 重回帰
   3. 多項式回帰
4. 機械学習ことはじめ – クラスを予測してみる –
   1. 決定木の学習
   2. ランダムフォレストを使ってみる
   3. ナイーブベイズ分類器
   4. サポートベクタマシンによる分類
5. 機械学習ことはじめ – 似たもの同士のグループを作ってみる –
   1. クラスタ分析のための距離尺度いろいろ
   2. 階層的クラスタリング
   3. k-means法
6. さらなるトピック
   1. その他のアルゴリズム