V210302:Pythonの入門講座と機械学習（教師あり学習、教師なし学習） | 技術セミナーの開催・書籍出版　サイエンス＆テクノロジー＜Ｓ＆Ｔ＞

研究・技術・事業開発のためのセミナー/書籍

通信講座通信講座番号:V210302(Python)

ビジネススキル・新規事業医薬品 | 医療機器 | 化粧品エレクトロニクス | 化学・材料 | エネルギー・環境・機械

ホーム
/ 通信講座

通信講座

Pythonの入門講座と
機械学習（教師あり学習、教師なし学習）

～環境構築（インストール・実行方法・ライブラリの使い方）からPythonを用いた演習で理解する！～
【所属業界は特に関係ありません。　Pythonを学びたい方、機械学習・深層学習へ】

※機械学習の理論説明に留まらず、Pythonを用いた演習を通して機械学習を使える技術にできるように工夫されています。
　例えば、演習問題では、、、、「～～～簡潔に説明して下さい。」「～～～計算した実行結果を示して下さい。」「～～～グラフを描画して下さい。」「～～～プロットを描き、その図から分かる事実を述べて下さい。」など、実践的な演習でしっかり学んでいただきます。

第１講【機械学習とPythonの基礎】

　第１講では、まず1章で機械学習の概要について説明する。その後、2章でPythonの基礎について学び、3章では第２講、及び第３講で実施する機械学習の各手法の演習に備えて、演習環境の構築を行う。

第２講【教師あり学習】
　第２講では、機械学習の三大学習（教師あり学習、教師なし学習、強化学習）の中で、教師あり学習を取り上げ、理論と演習を通して、理解を深めていく。まず1章で、教師あり学習の概要について説明する。その後、教師あり学習の手法として、k最近傍法（2章）、線形モデル（3章）、サポートベクトルマシン（4章）の3つを取り上げ、解説する。同時に、Pythonを用いた演習を通して、理解を深める。

第３講【教師なし学習】

　第３講では、機械学習の三大学習（教師あり学習、教師なし学習、強化学習）の中で、教師なし学習を取り上げ、理論と演習を通して、理解を深めていく。まず1章で、教師なし学習の概要について説明する。その後、教師なし学習の手法として、主成分分析（2章）、k平均法（3章）、凝集型クラスタリング（4章）、DBSCAN（5章）の4つを取り挙げ解説する。さらに、データの前処理（6章）やデータの読み込み（7章）について説明する。同時に、Pythonを用いた演習を通して、理解を深める。

開講日	2021年3月9日 (火)
講座講数・期間	3回コース(2021年3月9日～7月下旬)
1口の受講者数	1口3名まで受講可能
受講料(税込) 各種割引特典	1口 62,700円 ( E-Mail案内登録価格 59,565円 ) S&T会員登録について定価：本体57,000円＋税5,700円 E-Mail案内登録価格：本体54,150円＋税5,415円
受講料(税込) 各種割引特典	[1名参加も可能です] 　35,200円 ( E-Mail案内登録価格 33,440円 ) 　　定価：本体32,000円＋税3,200円　　E-Mail案内登録価格：本体30,400円＋税3,040円 [4名以上は、1口1人あたりの金額追加で受講可能です] 　1人あたり20,900円( E-Mail案内登録価格 19,855円 )の金額追加で受講可能です

お申込み前に必ずご確認ください

通信講座の流れ

通信講座テキスト/ebookの閲覧方法

＜習得できる知識＞

１．機械学習（教師あり学習、教師なし学習）の基礎理論
２．Pythonの基礎文法と基本的なコーディング方法
３．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
４．機械学習によるデータ処理・分析・可視化方法

　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。

通信講座講師

愛知県立大学情報科学部教授　小林邦和　氏
愛知県立大学次世代ロボット研究所副所長（兼任）
【経歴】
山口大学工学部助手，同助教，愛知県立大学情報科学部准教授を経て，2017年4月より現職，同時に愛知県立大学次世代ロボット研究所副所長を兼務．この間，ヒューストン大学工学部医用生体工学科客員研究員を兼任．博士（工学）．
【専門】
機械学習（人工知能），知能ロボティクス
【所属学会】
米国電気電子学会(IEEE)，電子情報通信学会，電気学会，人工知能学会，計測自動制御学会，ロボカップ日本委員会の各会員．
【学会活動】
電気学会技術シーズ創出に向けた機械学習協同研究委員会委員長(2012～2014年)，電気学会学習アルゴリズムの高度化を指向した機械学習技術協同研究委員会委員長(2014～2016年)，ICAROB国際プログラム委員会委員(2014～2019年)などを歴任．
現在，Journal of Robotics, Networking and Artificial Life編集委員(2014年～)，電気学会論文誌特集号編修小委員会委員(2014年～)，電気学会システム技術委員会1号委員(2017年～)，ICAROB国際組織委員会委員(2019年～)，あいちロボカップAP2020開催委員会競技専門部会部会員(2019年～)，ロボカップ日本委員会理事(2019年～)などを務める．
【受賞】
ANNIE最優秀論文賞(1994年)，ロボカップジャパンオープン小型ロボット車輪型優勝(2013年)，ロボカップ研究賞(2014，2015年)，ロボカップ・ジャパンオープンサッカー標準プラットフォームリーグ優勝(2014，2015，2018年)，同準優勝(2016，2017年)，電気学会電子・情報・システム部門大会企画賞(2016年)，ロボカップ世界大会サッカー標準プラットフォームリーグチャレンジシールド部門優勝(2017年)，同第3位(2018年)，人工知能学会賞(2018年)など．
【講師WebSite】
http://www.ist.aichi-pu.ac.jp/~koba/

通信講座趣旨

　機械学習の専門書は、たくさん出版されていますが、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。本通信講座では、機械学習の理論的側面のみに着目するのではなく、コンピュータを用いた実践演習を通して、理解を深めることで、機械学習を使える技術にできるように工夫されています。演習では、最近さまざまな分野で、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)を用いますので、Pythonの独習も行うことができます。同時に、各回の終了後には、演習問題を通して、理解の確認作業が行えます。

　本通信講座の受講対象者は、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。

通信講座講演内容

第１講　機械学習とPythonの基礎

【趣旨】　
　本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術にできるように工夫されている。第１講では、まず1章で機械学習の概要について説明する。その後、2章でPythonの基礎について学び、3章では第２講、及び第３講で実施する機械学習の各手法の演習に備えて、演習環境の構築を行う。

【プログラム】
１．機械学習
　1.1 定義
　1.2 分類
　　1.2.1 教師あり学習
　　1.2.2 教師なし学習
　　1.2.3 強化学習

２．Python
　2.1 概要
　2.2 どの言語を学ぶか
　2.3 Pythonの優位性
　2.4 Pythonのバージョン
　2.5 文法基礎
　　2.5.1 変数
　　2.5.2 データ型
　　2.5.3 文字列
　　2.5.4 リスト
　　2.5.5 タプル
　　2.5.6 辞書
　　2.5.7 型変換
　　2.5.8 多重代入
　　2.5.9 ブロック
　　2.5.10 コメント
　　2.5.11 長文
　　2.5.12 算術演算子
　　2.5.13 複合演算子
　　2.5.14 ビット演算子
　　2.5.15 関係式
　　2.5.16 論理式
　　2.5.17 条件分岐
　　2.5.18 繰り返し
　　2.5.19 関数
　　2.5.20 スコープ
　　2.5.21 参考書

３．演習環境の構築
　3.1 概要
　3.2 インストール（Python）
　3.3 実行方法（Python）
　3.4 ライブラリの使い方
　　3.4.1 インストール（外部ライブラリ）
　　3.4.2 標準ライブラリ
　　3.4.3 NumPy
　　3.4.4 Matplotlib
　　3.4.5 scikit-learn
　3.5 データセット

□ 演習問題・添削 □

第２講　教師あり学習

【趣旨】　
　本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術にできるように工夫されている。第２講では、機械学習の三大学習（教師あり学習、教師なし学習、強化学習）の中で、教師あり学習を取り上げ、理論と演習を通して、理解を深めていく。まず1章で、教師あり学習の概要について説明する。その後、教師あり学習の手法として、k最近傍法（2章）、線形モデル（3章）、サポートベクトルマシン（4章）の3つを取り上げ、解説する。同時に、Pythonを用いた演習を通して、理解を深める。

【プログラム】　
１．教師あり学習

２．k最近傍法
　2.1 クラス分類への適用
　2.2 回帰への適用
　2.3 k最近傍法の特徴

３．線形モデル
　3.1 回帰への適用
　3.2 クラス分類への適用
　3.3 線形モデルの特徴

４．サポートベクトルマシン
　4.1 線形モデル
　4.2 非線形モデル
　4.3 サポートベクトルマシンの特徴

□ 演習問題・添削 □

第３講　教師なし学習

【趣旨】
　本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術にできるように工夫されている。第３講では、機械学習の三大学習（教師あり学習、教師なし学習、強化学習）の中で、教師なし学習を取り上げ、理論と演習を通して、理解を深めていく。まず教師なし学習の概要について説明する。その後、教師なし学習の手法として、k平均法、凝集型クラスタリング、DBSCANを取り挙げ解説する。さらに、データの前処理やデータの読み込みについて説明する。同時に、Pythonを用いた演習を通して、理解を深める。

【プログラム】
１．次元削減

２．クラスタリング
　2.1 k平均法
　2.2 凝集型クラスタリング
　2.3 DBSCAN

３．実装上の注意事項
　3.1 データの前処理
　3.2 テスト誤差の最小化
　3.3 ハイパーパラメータの最適化
　3.4 実データの読み込み

□ 演習問題・添削 □

スケジュール

3月9日(予定)	第1講開講(テキスト到着予定)
	↓
4月9日(予定)	第1講演習問題解答提出締切
4月9日(予定)	第2講開講(テキスト到着予定)
	↓
5月17日(予定)	第2講演習問題解答提出締切
5月17日(予定)	第3講開講(テキスト到着予定)
	↓
6月17日(予定)	第3講演習問題解答提出締切
	↓
7月21日(予定)	修了証発行

受講条件

(１) PC の環境が必須です。
　・通信講座の進行上の連絡はE-Mail で行います。本人の個別E-Mail アドレスをご用意ください。
　・演習問題解答用紙、模範解答、修了証などの各種データは、Word、Excel、PDF などを使用します。

(２) 受講者全員のS&T 会員登録が必須です。
【E-Mail案内登録価格5%OFFは、受講者全員がE-MailまたはDM案内希望の場合のみ適用】
・通信講座の受講にあたってのテキストebook および教材データのダウンロード、講師への質問、
　修了証発行などに弊社S&T 会員マイページ機能を利用します。
　※弊社案内(E-Mail,DM)を希望されない方はS&T 会員登録の際、案内方法欄のチェックを
　　外してください。なお、案内希望チェックがない場合、E-Mail案内登録価格(5%OFF)は適用できません。

教材

テキスト：　各受講者1冊
ebook版：　各受講者の閲覧可能PC数 2台／1アカウント（同一アカウントに限る）
　　※テキストは、製本版の他に、ebookでも閲覧可能です。１人２台まで閲覧可能で
　　　会社のPCだけでなく通勤途中でもアプリから私物のタブレットでも学習できます。
　　　 ebook版のダウンロードは、S&T会員「マイページ」内で行います。
　　　　　[対応デバイス]　 Win・Macの両OS、スマートフォン・読書端末(iPhone,iPadなど)
　　　　　[フォーマット]　PDF(コンテンツ保護のためアプリケーション「bookend」より閲覧)
　　※製本版、ebook版は同様の内容です（講座により異なる場合あり）
　　※本講座の映像視聴配信はありません。

その他

□受講期間
　本講座の受講期間は、全3講の３か月間です。
　１講あたり１か月間が学習の目安になります。

□演習問題
　演習問題の解答用紙が未提出の場合は、０点扱いとなります。
　各講の平均をとり、ある一定の基準をクリアした方に「修了証」を発行します。

□講師への質問
　受講者全員で共有できるよう講師へのＱ＆Ａは基本的に受講者マイページに匿名にて掲載いたします。
　全質問の講師の回答が閲覧でき、参考になります。

通信講座講師

通信講座趣旨

通信講座講演内容

第１講　機械学習とPythonの基礎

第２講　教師あり学習

第３講　教師なし学習

スケジュール

3月9日(予定)	第1講開講(テキスト到着予定)
	↓
4月9日(予定)	第1講演習問題解答提出締切
4月9日(予定)	第2講開講(テキスト到着予定)
	↓
5月17日(予定)	第2講演習問題解答提出締切
5月17日(予定)	第3講開講(テキスト到着予定)
	↓
6月17日(予定)	第3講演習問題解答提出締切
	↓
7月21日(予定)	修了証発行

通信講座通信講座番号:V210302(Python)

Pythonの入門講座と機械学習（教師あり学習、教師なし学習）

通信講座講師

通信講座趣旨

通信講座講演内容

スケジュール

受講条件

教材

その他

通信講座講師

通信講座趣旨

通信講座講演内容

スケジュール

受講条件

教材

その他

関連商品

【Webセミナー(アーカイブ配信)】1日で学ぶ データサイエンスの基礎知識 【WEBセミナー：アーカイブ受講（会場受講あり）】※会社・自宅にいながら学習可能です※ 【 2 名 同 時 申 込 で 1 名 無 料 】 対 象 セ ミ ナ ー

【Live(リアルタイム)配信】 自動化セミナー全４回：完全マスター講座 【Live配信セミナー（会場受講なし）】※会社・自宅にいながら受講可能です※ 【 2 名 同 時 申 込 で 1 名 無 料 】 対 象 セ ミ ナ ー

【Webセミナー(アーカイブ配信)】1日で学ぶ データサイエンスの基礎知識 【WEBセミナー：アーカイブ受講（会場受講あり）】※会社・自宅にいながら学習可能です※ 【 2 名 同 時 申 込 で 1 名 無 料 】 対 象 セ ミ ナ ー

【Live(リアルタイム)配信】 自動化セミナー全４回：完全マスター講座 【Live配信セミナー（会場受講なし）】※会社・自宅にいながら受講可能です※ 【 2 名 同 時 申 込 で 1 名 無 料 】 対 象 セ ミ ナ ー

お知らせ

サイトマップ

サイエンス&テクノロジー

Pythonの入門講座と
機械学習（教師あり学習、教師なし学習）

【Webセミナー(アーカイブ配信)】1日で学ぶ　データサイエンスの基礎知識
【WEBセミナー：アーカイブ受講（会場受講あり）】※会社・自宅にいながら学習可能です※

【 2 名同時申込で 1 名無料】対象セミナー

【Live(リアルタイム)配信】自動化セミナー全４回：完全マスター講座
【Live配信セミナー（会場受講なし）】※会社・自宅にいながら受講可能です※

【 2 名同時申込で 1 名無料】対象セミナー

【Webセミナー(アーカイブ配信)】1日で学ぶ　データサイエンスの基礎知識
【WEBセミナー：アーカイブ受講（会場受講あり）】※会社・自宅にいながら学習可能です※

【 2 名同時申込で 1 名無料】対象セミナー

【Live(リアルタイム)配信】自動化セミナー全４回：完全マスター講座
【Live配信セミナー（会場受講なし）】※会社・自宅にいながら受講可能です※

【 2 名同時申込で 1 名無料】対象セミナー