技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

機械学習・ディープラーニングの基礎とデータ処理の仕方

数式を使わない

機械学習・ディープラーニングの基礎とデータ処理の仕方

～Zoomを使ったライブ配信セミナー～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

開催日

  • 2020年11月6日(金) 10時00分 ～ 17時00分

プログラム

　講師は、専門の研究者ではなく、システム開発者なので、とにかく実践で使えることを第一に考えています。そこで、まずはデータ分析の未経験者でもわかるように可能な限り数式を排して理論とその実践方法を説明します。ここで、大まかにデータ分析、機械学習を理解します。
　次にtensorFlow、PyTorchというメジャーなフレームワークを使用し、Windowsマシンで、実際にデータを操作しながら、ディープラーニングを実施します。
　また、サンプルを動かしての解説ではなく、データ分析を、「データ整理」「前処理」「分析」の一連の流れを解説します。なお、講義で使用したサンプルソース等はdropbox公開フォルダに置きますで、講演後にダウンロードし使用可能です。

  1. 機械学習/ディープラーニングを行う際に必要なデータ処理の基本
    1. データの定義
    2. 扱うデータの特性を把握する
      1. 時間軸/場所の考慮
      2. データを発生させるもの
    3. データの前処理
      1. データの抜け、異常値への対応
      2. データの量を調整する (増やす/減らす)
      3. データの次元を削減する
    4. ディープラーニングの精度を上げるためにどのようなデータを用意するか?
      1. 必要となるデータの量
      2. データクレジング
      3. フレームワークでの処理
    5. サンプルデータの説明
      1. デモで使用するサンプルデータの説明
  2. 機械学習/ディープラーニングの数理・確率論
    ～対象物を数値情報へ変換する～
    1. 分布
    2. 次元とベクトル
    3. 画像を数値情報へ変換する
    4. 言語を数値情報へ変換する
    5. 音を数値情報へ変換する
    6. 状態を数値情報へ変換する
  3. 機械学習の基礎と実践
    1. 機械学習の基本
      1. データがモデルをつくる
      2. 学習結果をどう受け取るべきか
    2. 学習の種類
      1. 教師あり学習の基本
      2. 教師なし学習の基本
      3. 強化学習の基本
    3. 結果の分類
      1. 回帰
      2. クラス分類
    4. Windowsで機械学習環境をオープンソースにて構築
      1. 使用可能なオープンソース一覧
      2. Pythonの設定 (Windows10端末の例)
    5. サンプルデータを機械学習で処理
      1. Pythonを実行し結果を得る
    6. 機械学習のプログラム解説
  4. ディープラーニングの基礎と実践
    1. 機械学習とディープラーニングの違いは?
      1. ディープニューラルネットワークとは
      2. 把握すべきディープニューラルネットワークの特性
    2. ディープラーニングを分類し、その特徴を把握する
      1. 畳み込みニューラルネットワーク CNN
      2. 再帰型ニューラルネットワーク RNN
      3. 強化学習 (Deep Q ? learning)
    3. Windowsでディープラーニング環境をオープンソースにて構築
      1. TensorFlow
      2. PyTorch
    4. サンプルデータをディープラーニングで処理
      1. TensorFlowで動かし結果を得る
      2. PyTorchで動かし結果を得る
    5. ディープラーニングのプログラム解説
      1. TensorFlowの解説
      2. PyTorchの解説
    6. 解析結果の考察とチューニング
      1. TensorFlow
      2. PyTorch
    7. 精度を上げるためにいかにパラメータを最適化するか?
    8. 過学習の判断基準
    9. その他、実践にあたり注意すべきこと
  5. データ分析の手順のまとめ
    1. データ整理・前処理
      1. 様々な整理手法
      2. 「教師なしデータ」から「教師ありデータ」へ
    2. 機械学習・ディープラーニングによる解析
      1. どの手法を選択するか
  6. このセミナーだけで終わらせないために
    1. twitter/ブログを通じた情報の収集
    2. より高速な環境を求める場合
    • 質疑応答
ページのトップヘ

講師

ページのトップヘ

主催

株式会社 技術情報協会
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 50,000円 (税別) / 55,000円 (税込)
複数名
: 45,000円 (税別) / 49,500円 (税込)

複数名同時受講割引について

  • 2名様以上でお申込みの場合、
    1名あたり 45,000円(税別) / 49,500円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 50,000円(税別) / 55,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 90,000円(税別) / 99,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 135,000円(税別) / 148,500円(税込)
  • 同一法人内による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 他の割引は併用できません。

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 をご確認いただき、 ミーティングテスト にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー資料は郵送にて前日までにお送りいたします。電子媒体での配布はございません。
  • 開催まで4営業日を過ぎたお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますこと、ご了承下さい。
    ライブ配信の画面上でスライド資料は表示されますので、セミナー視聴には差し支えございません。
    印刷物は後日お手元に届くことになります。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/6/26 第一原理計算と機械学習を用いた材料設計へのアプローチ オンライン
2026/6/29 マテリアルズ・インフォマティクスの基礎と実践事例 オンライン
2026/6/30 マテリアルズインフォマティクスのためのデータ解析 オンライン
2026/7/6 少数・不揃いな計測データの機械学習とモデル設計 オンライン
2026/7/6 アレニウスプロット作成と安定性予測の実務 オンライン
2026/7/9 機械学習を用いた流体力学現象の予測とモデリング オンライン
2026/7/14 はじめてのPI (プロセスインフォマティクス) オンライン
2026/7/15 第一原理計算と機械学習を用いた材料設計へのアプローチ オンライン
2026/7/15 アレニウスプロット作成と安定性予測の実務 オンライン
2026/7/17 ラボオートメーションに向けた実験環境の構築と導入・実装のポイント オンライン
2026/7/24 はじめてのPI (プロセスインフォマティクス) オンライン
2026/7/29 ラボオートメーションに向けた実験環境の構築と導入・実装のポイント オンライン
2026/10/23 未知の不良や異常も検知する検査・センシング・モニタリングに適した人工知能MTシステム (MT法) 基礎と応用 オンライン
2026/11/25 アンケート・官能評価の多変量解析 オンライン
ページのトップヘ