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機械学習 2日間セミナー (入門編 + 応用編)

Python機械学習 2日間セミナー (入門編 + 応用編)

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

  • 2025年12月22日(月) 10時30分 ～ 16時30分
  • 2026年1月15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
  • 代表的な機械学習の基礎アルゴリズム
    • 教師あり学習
    • 教師なし学習
  • 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
  • Pythonの高度なコーディング方法
  • Pythonの深層学習・強化学習ライブラリの活用方法
  • 代表的な強化学習と深層学習の基礎アルゴリズム
  • 強化学習ライブラリGymnasiumと深層学習ライブラリTensorFlow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

2025年12月22日「Pythonではじめる機械学習入門講座」

　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
    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の実行環境の確認
    4. Pythonのプログラムコーディングと実行方法
      • 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 (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
        • ハードマージン型線形モデル
        • ソフトマージョン型線形モデル
        • 非線形モデル
      4. 決定木
      5. アンサンブル学習
        • RandomForest
        • AdaBoost
    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

2026年1月15日「Pythonではじめる機械学習応用講座」

　本講座は、機械学習の三大学習方式 (教師あり学習、教師なし学習、強化学習) の中から教師あり学習の一種の深層学習と強化学習について学んでいきます。さらに、教師あり学習と教師なし学習、及び強化学習と深層学習のそれぞれ2つの学習方式を組み合わせたハイブリッド学習も取り上げて、幅広く学べるように設計されています。
　同時に、Pythonを用いた演習を通して、実践的に学び、現場で使える技術にできるように工夫されています。なお、本セミナーは初級編「Pythonではじめる機械学習入門講座」の続編であり、Python基礎、教師あり学習と教師なし学習の基礎理論と実践演習について修得していることを前提としています。

  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
    2. 各種ライブラリの実行環境の確認
      • Gymnasium
      • Tensorflow
    3. 統合開発環境Jupyter NotebookまたはGoogle Colaboratoryの実行環境の確認
    4. 統合開発環境を用いたPythonのプログラムコーディングと実行方法
  3. 深層学習
    1. 深層学習の概要
    2. ニューロンモデル、階層型ニューラルネットワーク、誤差逆伝播法
    3. 各種深層学習モデル
      • 畳み込みニューラルネットワーク
      • Alexネットワーク
      • LeNet-5など
    4. ライブラリTensorflowの使い方とコーディング方法
    5. サンプルコードを用いた深層学習モデルの実践演習
    6. 参専門書・考書・情報源の紹介
  4. 強化学習
    1. 強化学習の概要
    2. マルコフ決定過程、方策、探索と活用
    3. モデルフリー型強化学習
      • Q学習法
      • SARSA法
      • actor-critic法など
    4. モデルベース型強化学習
      • UCT法
      • モンテカルロ木探索など
    5. ライブラリGymnasiumの使い方とコーディング方法
    6. サンプルコードを用いた強化学習モデルの実践演習
    7. 専門書・参考書・情報源の紹介
  5. ハイブリッド学習
    1. ハイブリッド学習の概要
    2. 次元削減とクラス分類のハイブリッド学習
    3. 次元削減と回帰のハイブリッド学習
    4. 次元削減とクラスタリングのハイブリッド学習
    5. 半教師あり学習とクラスタリングのハイブリッド学習
    6. 深層学習と強化学習のハイブリッド学習 (深層強化学習)
    7. サンプルコードを用いたハイブリッド学習モデルの実践演習
    8. 専門書・参考書・情報源の紹介
  6. ハイパーパラメータ最適化
    1. ハイパーパラメータ最適化の概要
    2. グリッドサーチ
    3. ランダムサーチ
    4. ベイズ最適化
    5. サンプルコードを用いたハイパーパラメータの最適化アプローチの実践演習
    6. 専門書・参考書・情報源の紹介
  7. まとめと質疑応答
ページのトップヘ

主催

株式会社 R&D支援センター
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
: 60,000円 (税別) / 66,000円 (税込)
複数名
: 30,000円 (税別) / 33,000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。

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 50,000円(税別) / 55,000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 30,000円(税別) / 33,000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 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 60,000円(税別) / 66,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 90,000円(税別) / 99,000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 60,000円(税別) / 66,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 120,000円(税別) / 132,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 180,000円(税別) / 198,000円(税込)

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、 Zoomのシステム要件 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング 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。
  • 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。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 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
2026/5/13 AIエージェントの基礎と業務導入のポイント オンライン
2026/5/21 マテリアルズ・インフォマティクスと第一原理計算による材料研究の実践 オンライン
2026/5/21 Pythonデータ分析実践講座 (入門編) オンライン
2026/5/21 マテリアルズインフォマティクスのための実験データ統合、データベース構築と活用例 オンライン
2026/5/21 機械学習を用いたスペクトルデータ解析と材料開発への適用 オンライン
2026/5/22 Pythonデータ分析実践講座 (入門編) オンライン
2026/5/22 AIエージェントの基礎と業務導入のポイント オンライン
2026/5/25 生成AI (ChatGPT) を活用した多変量解析実践講座 オンライン
2026/5/25 機械学習を用いたスペクトルデータ解析と材料開発への適用 オンライン
2026/5/26 外観検査の自動化におけるAI活用の実際 オンライン
2026/5/26 分子シミュレーションの基礎と高分子材料の研究・開発の効率化への展開 オンライン
2026/5/26 レーザー加工分野における機械学習の活用手法 オンライン
2026/5/27 生成AI (ChatGPT) を活用した多変量解析実践講座 オンライン
2026/5/27 レーザー加工分野における機械学習の活用手法 オンライン
2026/5/28 材料・分析データに活かすためのケモメトリクスの基礎と実践 オンライン
2026/5/29 車載用ソフトウェア設計手法と信頼性・安全性保証のポイント オンライン
2026/6/1 車載用ソフトウェア設計手法と信頼性・安全性保証のポイント オンライン
2026/6/2 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
2026/6/2 Pythonによるデータ解析の基礎と実務への応用 オンライン
2026/6/3 生成AIを活用したデータ分析の基礎と利用のポイント オンライン
ページのトップヘ