Pythonで学ぶ機械学習入門

2018年度後期(10月-来年2月)開講分、お申込受付中です。こちらからお申込みいただけます。

2018年4月開講講座 お申込み受付中です。

講座の概要

機械学習が活用されたサービスは需要予測やコンピュータビジョン、レコメンドシステムなど着実に社会に浸透しつつあります。私たちは機械学習を理解することで、これまでは困難とされるようなビジネス課題にも、クリエイティブに挑戦できる可能性があります。

この講座では、機械学習に興味があって自分でエンジニアリングしてみたい、また機械学習を実際にエンジニアリングしているが数学や統計学による理解には自信がないという方を対象に、
1. 機械学習の各手法の理解
2. 前処理や特徴抽出、モデル評価の理解
を数学や統計学による解釈しっかり踏まえながらサポートし、初歩的な機械学習エンジニアリングが適切に出来るようになることを目指します。

受講にあたって

受講にあたって役に立つ知識
・高校数学の知識(大人のための高校数学IIB
・Pythonの基本的な知識(基礎から学ぶPython講座)
目標
・機械学習を数学的な表現を通して理解できるようになること。
・機械学習の各手法を実践的な課題に対して適切に応用できるようになること。

カリキュラム

10月前半 : 機械学習の理解に必要なPythonの基礎の速習
・numpy/scipyを使って配列や数値計算の基本を練習します。
・pandasによるデータフレームの扱い方を練習します。
・matplotlib.pyplotなどによるデータの可視化を練習します。
(基礎から学ぶPython講座の同時受講をおすすめします。)

10月後半 : 機械学習の基礎
機械学習の理解に最低限必要な統計学の知識を復習します。
・数学の補足 : 確率分布, 点推定とその性質
・教師あり学習や教師なし学習とはなにかについて議論します。
・機械学習の統計学的なフレームワークを議論します。
・過剰適合や過小適合・汎化を統計学的に議論します。

11月-12月 : 教師あり学習
主に回帰問題を中心に説明します。
・数学の補足 : 関数とその微分, 指数関数, 対数関数
・線形回帰モデルを説明し、sklearnで扱う練習をします。
・k-近傍法を説明し、sklearnで扱う練習をします。
・サポートベクトルマシンを説明し、sklearnで扱う練習をします。
・決定木学習とアンサンブル学習を説明し、sklearnで扱う練習をします。
(また、Deep Learning入門にてニューラルネットワークに絞った解説を行なっています。)

1月 : 教師なし学習
・数学の補足 : 行列とその掛け算・固有値問題について説明します。
・次元削減 : 主成分分析/非負値行列分解の仕組みを紹介し、sklearnで扱う練習をします。
・クラスタリング手法 : k-means/階層クラスタリング/t-SNEの仕組みを紹介し、sklearnで扱う練習をします。

2月第1週・第2週 : モデル評価
・さまざまなモデル評価の指標
・hold out検証/cross validation/情報量基準の関係について紹介します。

最終回 : 発展的な話題:不均衡データの機械学習
・不均衡データ特有の問題を理解します。
・不均衡データへの対処としてundersamplingやoversamplingを紹介します。
・実践課題に挑んでもらいます。
・時間に余裕があれば、統計学的な欠損値補完などの説明をします。

お申込み

お申し込みは、お申込みページからお願いします。
※お手数ですが、件名に『Pythonで学ぶ機械学習入門』を選択のうえ送信をお願いします。

名称Pythonで学ぶ機械学習入門
講師内場崇之
日程毎週土曜日 10:00-12:00, 10/13-来年2/23まで(お正月休みあり)
※お正月休み : 12/29, 来年1/5
場所知恵の場Office別館セミナールーム(イマス浜田ビル5F)
ご案内:ラーメン二郎小滝橋通り店の真向かいにあるビルです。ビル内のエレベーターで5Fまでお上がりください。
※会場が変更となった際には、事前にご連絡をさしあげます。
教科書講師オリジナルテキスト
※ テキスト代は受講料に含まれています。
受講料24,500円/月
持ち物筆記用具, anaconda3がインストールされたPC

お申込み

お名前 (必須)

メールアドレス (必須)

件名(お申込み・お問合せ概要)

お問合せ内容 詳細


講師からの一言

この講座は様々なバックグラウンドの方々に受講していただきたいと考えています。例えば営業や企画立案の方々は、エンジニアリング出来ることを目指して機械学習を勉強する必要はないと感じるかもしれません。しかし、機械学習が社会に大きく浸透してきている今、機械学習の理解はビジネス課題の解決のヒントになり得ます。また機械学習をソリューションとする場合のビジネスコミュニケーションは、表面的ではない機械学習の理解が必要です。初歩的なエンジニアリングが出来る程度の機械学習の理解は、このようなケースに非常に役に立ちます。また機械学習エンジニアの方々であっても、各手法やモデル評価の数学的・統計学的な理解に自信がない箇所は少なからず存在することもあるでしょう。この講座はそのような痒いところになるべく手が届くような授業を目指していきます。