本セミナーでは、機械学習を用いたデータマイニングの概要と基本事項について解説いたします。多くの場合、機械学習の実用においては数理的な背景やプログラミング能力などといった、実用上の高いハードルが存在します。このため、非常に注目されている技術であるにもかかわらず、適切な運用がなされずに、期待された成果が得られないケースもあるようです。
　本セミナーでは「機械学習を用いてできること」、「データ解析への応用」の基礎事項を中心テ一マとして扱い、学習モデルの定性的な意味 を中心に解説いたします。
　本セミナーを通じてより高度な機械学習の教材へのステップアップやデータマイニングの実装への一助となればと考えております。資料にはPythonおよびRの短いコードを掲載し解説する予定です。これにより、実装する上でのイメージをつかんでいただければと思います。

1. はじめに
   1. データマイニングとは
   2. 機械学習の動向
2. 機械学習
   1. 機械学習とは
   2. 教師あり学習
   3. 教師なし学習
   4. 強化学習 (このセミナーでは詳細な説明はいたしません)
3. 教師あり学習
   1. 回帰
   2. 重回帰分析
   3. 判別
   4. ニューラルネットワーク (回帰にも適用可能)
   5. サポートベクターマシン (回帰にも適用可能)
   6. ランダムフォレスト (回帰にも適用可能)
   7. Pythonによる実演
4. 教師なし学習
   1. 次元縮約
   2. 主成分分析
   3. 非負値行列因子分解
   4. クラスタリング
   5. K-平均法
   6. 階層クラスタリング (ウォード法)
   7. 自己組織化マップ
   8. Pythonによる実演
5. 発展的な話題 (時間に余裕があれば)
   1. 先進的な解析手法 (t-SNEなど)
   2. 解析事例の紹介
6. まとめ