機械学習と聞いて、ちょっと難しいかもしれない、と思われるかもしれません。
　たしかに、機械学習は数学を基礎にしており、その理論は容易ではありません。
　しかし、重要なのは理論を習得することでなく、そのエッセンスを理解して、
　実際のデータ解析の現場で活用することにあります。
　そこで、本講座では、数式を一切使わず、機械学習の現場での活用をモットーにRの演習を通じて機械学習を学習します。

1. 機械学習のための統計基礎
   1. 高校生程度の数学の復習
   2. 平均、分散、相関分析
   3. 統計と機械学習の違い
   4. 回帰分析
   5. 主要成分分析
   6. Rでの演習
      • 四則計算
      • グラフの描画
      • ファイルの読み込み
      • 平均、分散、相関分析
      • 天気データに基づく回帰分析
      • ビールの趣向アンケートに基づいた主成分分析の方法
2. 機械学習の第一歩
   1. アソシエーション分析
   2. 階層クラスタリング
   3. K平均法
   4. Rでの演習
      • アソシエーション分析の演習
      • Groceriesライブラリを用いて、関連商品購入分析
      • arulesパッケージのインストール
      • アソシエーションルールの表示
      • アソシエーションルールの可視化
      • クラスタリング (樹形図) の演習
      • K平均法の演習
3. 機械学習
   1. カーネル法・サポートベクターマシン
   2. ランダムフォレスト
   3. Rでの演習
      • カーネルライブラリのインストール
      • SPAM学習データの作成
      • SPAMテストデータの作成
      • サポートベクターマシンによるモデル生成
      • 生成したモデルによる判別率判断
      • 交差検定
      • ランダムフォレストのパッケージインストール
      • 学習データ、テストデータの準備
      • ランダムフォレストモデルの生成
      • 生成したモデルによる判別率判断
4. まとめ
   1. ディープラーニング・ニューラルネットワーク基礎