セミナー 印刷

はじめてのPython【演習付】と教師あり学習・教師なし学習

【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】

★ 大量のデータを扱っていて、データの山から知識を引き出したい、機械学習で有効活用したい方へ。
★ 手っ取り早くPythonを学びたい方、代表的な機械学習(教師あり学習、教師なし学習)を学びます。

【※注意事項※】
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当日持参して下さい。
主催者側でPCの貸し出しはいたしませんのでご注意下さい。

1)プラットフォームは、Windows、Linux、MacOSを問いません。
2)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。
3)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。
4)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。
5)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。
日時 2019年6月21日(金)  10:30~16:30
会場 東京・大田区平和島 東京流通センター 2F  第5会議室
会場地図
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),RoboCup Soccer Standard Platform League組織委員会委員(2015~2017年),ロボカップ2017名古屋世界大会競技専門部会委員(2016~2017年)などを歴任.
現在,Journal of Robotics, Networking and Artificial Life編集委員(2014年~),電気学会システム技術委員会1号委員(2017年~),愛知県サービスロボット安全評価委員会委員(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/
受講料(税込)
各種割引特典
48,600円 ( S&T会員受講料 46,170円 ) S&T会員登録について
定価:本体45,000円+税3,600円
会員:本体42,750円+税3,420円
S&T会員なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で48,600円 (2名ともS&T会員登録必須​/1名あたり定価半額24,300円)
備考※資料・昼食付
※講義中の録音・撮影はご遠慮ください。
※講義中のパソコン使用はキーボードの打音などでご遠慮いただく場合がございます。

セミナー趣旨

 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。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。

セミナー講演内容

<得られる知識、技術など>
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

<プログラム>
1.はじめに

 1.1 講師自己紹介
 1.2 セミナーの狙い

2.演習環境の構築
 2.1 Pythonのインストール(ディストリビューションAnaconda利用)
 2.2 各種ライブラリ(NumPy、SciPy、matplotlib、IPython、pandas、mglearn、scikit-learn)のインストール
 2.3 統合開発環境Spyderのインストール
 2.4 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
 3.1 Pythonの特徴
 3.2 なぜいまPythonか?
 3.3 Pythonの基本文法
 3.4 コーディング方法(統合開発環境Spyderの使い方含む)
 3.5 各種ライブラリ(NumPy、matplotlib、scikit-learn、mglearnなど)の使い方
 3.6 サンプルコードを用いた実践演習
 3.7 参考書・情報源の紹介

4.機械学習概論
 4.1 機械学習の概要
 4.2 三大学習法(教師あり学習、教師なし学習、強化学習)
 4.3 機械学習データセットの紹介
 4.4 機械学習と著作権
 4.5 専門書・参考書の紹介

5.教師あり学習
 5.1 教師あり学習の概要
 5.2 クラス分類と回帰
 5-3 過剰適合と適合不足
 5.4 モデル複雑度と精度
 5.5 多クラス分類
 5.6 各種教師あり学習アルゴリズムの基礎理論と実践演習
  5.6.1 k-最近傍法(クラス分類、回帰)
  5.6.2 線形モデル(線形回帰、Ridge回帰、Lasso回帰、ロジスティック回帰)
  5.6.3 サポートベクトルマシン(線形モデル、非線形モデル)
  5.6.4 ナイーブベイズ分類器

6.教師なし学習
 6.1 教師なし学習の概要
 6.2 データの前処理とスケール変換
 6.3 次元削減と特徴量抽出
 6.4 各種教師なし学習アルゴリズムの基礎理論と実践演習
  6.4.1 主成分分析(次元削減)
  6.4.2 k-平均法(クラスタリング)
  6.4.3 凝集型クラスタリング
  6.4.4 DBSCAN(クラスタリング)

7.まとめと質疑応答
 
【注意事項】
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当日持参して下さい。
1)プラットフォームは、Windows、Linux、MacOSを問いません。
2)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。
3)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。
4)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。
5)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。
6)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。