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

はじめてのPythonと教師あり学習・教師なし学習

はじめてのPythonと教師あり学習・教師なし学習

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

開催日

  • 2023年2月3日(金) 10時30分 16時30分
  • 2023年2月6日(月) 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
  • 代表的な機械学習法 (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と機械学習ライブラリ (scikit – learn) を用います。従って、純粋に最近流行りのPythonを学びたい人から、業務でデータ処理・解析をしたい人まで、幅広い方を対象としています。特に、日々大量のデータを扱っていて、そのデータの山から知識を抽出したいと思っている方が最適な受講対象者となります。
 Pythonでコーディングした経験がない人も歓迎しますが、実践演習を通して学んでいきますので、他の言語によるプログラミングや、コンピュータ (アプリケーションソフトウェア) によるデータ処理の経験がある方が望ましいです。

  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
    2. 各種ライブラリの実行環境の確認
      • NumPy
      • SciPy
      • matplotlib
      • scikit-learn
    3. 統合開発環境Spyder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. Pythonの基本文法
    3. コーディング方法 (統合開発環境Spyderの使い方含む)
    4. 各種ライブラリの使い方
      • NumPy
      • SciPy
      • matplotlib
      • scikit-learn
    5. 機械学習アルゴリズムの実装方法
    6. サンプルコードを用いた実践演習
    7. 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と著作権
    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 (過学習) と適合不足 (学習不足)
    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
        • ソフトマージン
        • 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
    7. クラス分類の性能指標
  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)
    4. クラスタリングの性能指標
  7. 実装上の注意事項
    1. データの前処理 (スケール変換)
    2. テスト誤差の最小化 (k分割交差検証)
    3. ハイパパラメータの最適化
      • グリッドサーチ
      • ランダムサーチ
    4. 実データの読み込み方法
  8. まとめと質疑応答

講師

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
: 64,600円 (税別) / 71,060円 (税込)
複数名
: 37,500円 (税別) / 41,250円 (税込)

複数名受講割引

  • 2名様以上でお申込みの場合、1名あたり 37,500円(税別) / 41,250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 64,600円(税別) / 71,060円(税込)
    • 2名様でお申し込みの場合 : 2名で 75,000円(税別) / 82,500円(税込)
    • 3名様でお申し込みの場合 : 3名で 112,500円(税別) / 123,750円(税込)
  • 同一法人内 (グループ会社でも可) 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。
  • 請求書および領収書は1名様ごとに発行可能です。
    申込みフォームの通信欄に「請求書1名ごと発行」とご記入ください。
  • 他の割引は併用できません。
  • サイエンス&テクノロジー社の「2名同時申込みで1名分無料」価格を適用しています。

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

  • 1名様あたり 20,000円(税別) / 22,000円(税込)
  • 企業に属している方(出向または派遣の方も含む)は、対象外です。
  • お申込み者が大学所属名でも企業名義でお支払いの場合、対象外です。

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、PDFファイルをダウンロードいただきます。
  • 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。

演習のための環境

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PCをご準備下さい。
PCは1台でも受講いただけますが、セミナー視聴用PCと演習用PCをそれぞれご用意いただけますと、スムーズにご受講いただけることかと存じます。

  • 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Miniconda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。
  • Miniconda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。
    ただし、統合開発環境Spyder、機械学習ライブラリscikit-learn、および可視化ライブラリseabornは、追加インストールする必要があります。
    これらのインストール方法は、Windowsの場合、Anaconda Prompt、macOSやLinuxの場合、ターミナルを開き、コマンドラインより下記のコマンドを入力して個別にインストールしてください。
    • conda install spyder
    • conda install scikit-learn
    • conda install seaborn
  • 演習で使用するサンプルコードは、セミナー開催前に配布いたします。
  • 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。

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
2023/1/30 押さえておくべき多変量解析の基本概念と実例による演習 (実務で使用するツール) オンライン
2023/1/30 音と振動からの異常検知と自己教師あり学習 オンライン
2023/1/30 第一原理計算の基礎とマテリアルズ・インフォマティクスへの活用事例 オンライン
2023/1/30 AI外観検査 (画像識別) のはじめ方、すすめ方 オンライン
2023/2/7 マテリアルズインフォマティクスを活用した材料開発の実践とベイズ最適化の適用 オンライン
2023/2/7 時系列データの基礎と将来予測、異常検知への応用 オンライン
2023/2/8 押さえておくべき多変量解析の基本概念と実例による演習 (実務で使用するツール) オンライン
2023/2/10 有用物質生産のための微生物培養プロセス最適化と省エネ低コスト化 オンライン
2023/2/13 カルマンフィルタ・機械学習のための確率統計・線形代数入門 オンライン
2023/2/14 Transformerの言語・画像・音声分野への応用 オンライン
2023/2/16 AI活用のための「MLOps」超入門 オンライン
2023/2/17 外観検査をデジタル化するポイントとディープラーニングAIの作成法 オンライン
2023/2/17 Edge AI半導体チップの基礎と応用および最新動向・今後の展望 オンライン
2023/2/20 Pythonを使って理解する線形代数の基礎と機械学習への応用 オンライン
2023/2/22 説明可能AI (XAI:explainable AI) の作り方とAIの業務への導入方法 オンライン
2023/2/27 機械学習における画像認識とVision Transformer オンライン
2023/2/28 マテリアルDXの導入と材料開発への応用、データベースの構築 オンライン
2023/3/1 マテリアルズ・インフォマティクスの導入と実用化に向けた活用法 オンライン
2023/3/2 開発成果の質と開発効率を向上させる「統計的組合せ最適化:実験計画法」と「Excel上で構築可能な人工知能を使用する汎用的インフォマティクス:非線形実験計画法」実践入門 オンライン
2023/3/3 DXによる研究開発の効率化、スピード化とその進め方 オンライン

関連する出版物