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

Pythonではじめる機械学習入門講座

Pythonではじめる機械学習入門講座

~Windows, Mac, Linux 実習対応~
オンライン 開催 PC実習付き

開催日

  • 2021年12月23日(木) 10時30分 16時30分

受講対象者

  • 機械学習の応用分野に関連する技術者、研究者
    • 画像処理
    • 信号処理
    • 医療福祉
    • スポーツ分野
    • セキュリティ (監視カメラ、警備、防犯)
    • ロボット
    • コンピュータビジョン
    • 異常行動検出、異常領域検出
    • 統計
    • 経済学 など
  • 機械学習、パターン認識分野の技術者、研究者
  • これから機械学習、パターン認識に携わる技術者、開発者
  • 機械学習で課題を抱えている方

修得知識

  • Pythonの基本的なコーディング方法
  • Pythonの各種ライブラリの活用方法
  • 代表的な機械学習 (教師あり学習,教師なし学習) の基礎理論
  • 機械学習ライブラリscikit-learnを活用した機械学習アルゴリズムの実装方法
  • 機械学習によるデータ処理・分析・可視化方法

プログラム

 機械学習の入門講座 (セミナー) は、巷にたくさんありますが、理論と実践が揃って、はじめて現場で使える技術とになります。本セミナーでは、機械学習の理論的側面のみではなく、コンピュータを用いた実践演習を通して、理解を深めていきます。同時に、実践演習では、最近様々な分野で、注目を集めているコンピュータ言語Pythonと機械学習系ライブラリ (scikit-learn) を用います。

  1. はじめに
    1. 講師自己紹介
    2. セミナーの狙い
  2. 演習環境の確認
    1. Pythonの実行環境の確認 (ディストリビューションAnaconda利用)
    2. 各種ライブラリの実行環境の確認
      • NumPy
      • SciPy
      • matplotlib
      • IPython
      • pandas
      • mglearn
      • scikit-learn
    3. 統合開発環境Spyderの実行環境の確認
    4. Pythonの実行方法
      • インタプリタ
      • コマンド渡し
      • 統合開発環境
  3. Python入門講座
    1. Pythonの特徴
    2. なぜいまPythonか?
    3. Pythonの基本文法
    4. コーディング方法 (統合開発環境Spyderの使い方含む)
    5. 各種ライブラリの使い方
      • NumPy
      • SciPy
      • matplotlib
      • scikit-learn
      • mglearnなど
    6. 機械学習アルゴリズムの実装方法
    7. サンプルコードを用いた実践演習
    8. 参考書・情報源の紹介
  4. 機械学習概論
    1. 機械学習の概要
    2. 三大学習法
      • 教師あり学習
      • 教師なし学習
      • 強化学習
    3. 機械学習データセットの紹介
    4. 機械学習におけるデータの著作権
    5. 専門書・参考書の紹介
  5. 教師あり学習
    1. 教師あり学習の概要
    2. クラス分類と回帰
    3. 過剰適合と適合不足
    4. モデル複雑度と精度
    5. 多クラス分類
    6. 各種教師あり学習アルゴリズムの基礎理論と実践演習
      1. k-最近傍法
        • クラス分類
        • 回帰
      2. 線形モデル
        • 線形回帰
        • Ridge回帰
        • Lasso回帰
        • ロジスティック回帰
      3. サポートベクトルマシン
        • 線形モデル
        • 非線形モデル
      4. 決定木
      5. アンサンブル学習
        • ランダムフォレスト
        • アダブースト
  6. 教師なし学習
    1. 教師なし学習の概要
    2. 次元削減と特徴量抽出
    3. 各種教師なし学習アルゴリズムの基礎理論と実践演習
      1. 主成分分析 (次元削減)
      2. k-平均法 (クラスタリング)
      3. 凝集型クラスタリング
      4. DBSCAN (クラスタリング)
  7. 実装上の注意事項
    1. データの前処理 (スケール変換など)
    2. テスト誤差の最小化 (交差検証)
    3. ハイパパラメータの最適化 (グリッドサーチなど)
    4. 実データの読み込み方法
  8. まとめと質疑応答

主催

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
: 25,000円 (税別) / 27,500円 (税込) (案内をご希望の場合に限ります)

持参品 等

本セミナーでは、演習を行いますので、以下の条件を満たしたノートパソコンを持参して下さい。

  • プラットフォームは、Windows、Linux、MacOSを問いません。
  • 演習環境を統一したいので、事前にAnacondaを用いて、Python 3。x (バージョン3系) をインストールしておいて下さい。
  • Anacondaを利用すると、演習で必要な標準・外部ライブラリがほとんど自動インストールされますが、mglearnのみ個別インストールが必要となります。
    個別インストールは、Windowsでは、Anaconda Promptを開き、pip install mglearnでインストールできます。
  • 事前に各種ライブラリをインストールしておいて下さい。なお、Anacondaを利用した場合は、個別インストールが必要なライブラリはmglearnのみとなります。
    • NumPy
    • SciPy
    • matplotlib
    • IPython
    • pandas
    • mglearn
    • scikit-learn
  • 演習で使用するサンプルコードは、USBメモリで準備しますが、万が一に備えて、ノートパソコンは無線WiFi機能を搭載したものを推奨します。
    なお、USBメモリや無線WiFi (インターネット) への接続が、社内ルールでNGの方は、事前に配布いたします。
  • 本セミナーでは、Pythonの統合開発環境 (IDE) として、Spyderを用いて説明を行います。
    事前にSpyderをインストールしておいていただけるとスムーズに演習が行えます。
    なお、Anacondaを利用した場合は、Spyderは自動インストールされます。
  • 教師あり学習、教師なし学習とも、「各種学習アルゴリズムの基礎理論と実践演習」では、当日の進行状況に応じて、すべての手法が取り上げられない可能性があります。

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。

「案内の希望」をご選択いただいた場合、1名様 40,000円(税別) / 44,000円(税込) で受講いただけます。
複数名で同時に申込いただいた場合、1名様につき 25,000円(税別) / 27,500円(税込) で受講いただけます。

  • R&D支援センターからの案内を希望する方
    • 1名様でお申し込みの場合 : 1名で 40,000円(税別) / 44,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 50,000円(税別) / 55,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 75,000円(税別) / 82,500円(税込)
  • R&D支援センターからの案内を希望しない方
    • 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 100,000円(税別) / 110,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 150,000円(税別) / 165,000円(税込)
本セミナーは終了いたしました。

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
2024/6/19 機械学習を用いた画像認識技術の基礎とその応用 オンライン
2024/6/19 外観検査自動化に向けた画像処理・AI技術活用の課題と導入のポイント オンライン
2024/6/20 ISO 13485:2016対応に必須の医療機器プロセスバリデーション (進め方、統計的手法とそのサンプルサイズ) オンライン
2024/6/24 外観検査の自動化の進め方と画像データ取得およびAIによる検査のポイント オンライン
2024/6/24 小規模データに対する機械学習の効果的適用法 オンライン
2024/6/24 計測インフォマティクスの基礎とスペクトルデータ解析への応用 オンライン
2024/6/26 少ないデータに対する機械学習の適用と学習結果の評価技術 オンライン
2024/7/1 ISO 13485:2016対応に必須の医療機器プロセスバリデーション (進め方、統計的手法とそのサンプルサイズ) オンライン
2024/7/5 小規模データに対する機械学習の効果的適用法 オンライン
2024/7/8 ディープラーニングと機械学習プロジェクトの進め方 オンライン
2024/7/9 画像認識技術を用いたAI外観検査の現場導入事例と精度向上技術 オンライン
2024/7/10 異常検知、学習データ作成への生成AI活用 オンライン
2024/7/22 画像認識技術入門 オンライン
2024/7/25 ディープニューラルネットワークモデル/MTシステムの基礎と学習データ最小化 オンライン
2024/8/5 機械学習 実践編 オンライン
2024/9/27 ファーマコメトリクス/クリニカルファーマコメトリクス オンライン

関連する出版物