このサイトではJavaScriptを使用しています。ブラウザの設定でJavaScriptを有効にしてからお使いください。 Pythonによる機械学習超入門 [講習会詳細] | テックデザイン
※お申込前に「注意事項」をご確認ください

近年流行のAI・機械学習が気になるけれど、自分で分析を行うにはどこから手を付けていいのか分からないという声をよく聞きます。AI・機械学習のツールを単に使うのではなく、その背後のしくみと意味を理解することにより、目的に合わせて各種の手法を適切に利用できるようにします。Pythonによるプログラミングを通して、次の日からAI・機械学習による予測や分類などができるようになることを目標とします。

 

Pythonによる機械学習超入門

 

【テックデザイン データサイエンス入門シリーズ】

 

 

コード tdo2024051701
ジャンル データサイエンス
形式 オンデマンド講座
動画時間 約4.5時間
資料(テキスト) 印刷物を郵送
ご案内事項 プログラミング環境として、Google Colaboratoryを利用するので、あらかじめGoogleのアカウントを取得しておいてください(https://support.google.com/accounts/answer/27441を開き、[自分用]のボタンをクリックして、手順にそって進めれば簡単に取得できます。すでにお持ちのアカウントがあれば、新たに取得する必要はありません)。
受講料
(申込プラン)

1アカウント: 33,000円 (消費税込)

 

Pythonによる機械学習超入門【テックデザイン データサイエンス入門シリーズ】

●講師

有限会社ローグ・インターナショナル 代表取締役 東京大学講師、一橋大学講師 羽山 博

1983年に京都大学文学部哲学科(心理学専攻)卒業後、日本電気株式会社(NEC)でユーザー教育や社内SE教育を担当したのち、1991年にライターとして独立。2006年に東京大学大学院学際情報学府博士課程を単位取得後退学。現職までに、多摩美術大学、東京藝術大学の講師も歴任。

●詳細

1. この講座で取り扱う内容 15分
2. Pandasデータフレームの取り扱い 35分
3. 機械学習はじめの一歩:単回帰分析 20分
 ・単回帰分析の考え方 ・【事例】家賃を予測する
4. 教師あり学習の例(1):重回帰分析 40分
 ・重回帰分析の考え方 ・データの特徴を見る(前処理)
 ・欠損値の取り扱い(前処理) ・定性データの取り扱い(前処理) ・【事例】糖尿病の進行を予測する
5. 教師あり学習の例(2):分類 50分
 ・ロジスティック回帰の考え方
 ・スケーリング(前処理)
 ・学習不足・過学習への対応(モデルのチューニング)
 ・ロジスティック回帰による分類 ・【事例】ウミガメの性別を分類する
 ・その他の方法(k-近傍法、決定木、サポートベクターマシン)
6. 教師なし学習の例 60分
 ・k-means法によるクラスタリングの考え方 ・【事例】ワインの品種を分類する
 ・主成分分析による次元圧縮 ・【事例】成績に影響のある要因を見つける
7. この先の展望 45分+質疑応答15分
 ・グリッドサーチ、アンサンブル学習(ハイパーパラメータの選択、モデルの選択、チューニング)
 ・ニューラルネットワーク入門(学習済みのニューラルネットワークを利用して画像に名前を付ける)

留意点:
・ChatGPTなどの生成AIをユーザーの立場で単に使うというのではなく、機械学習の基本的な考え方と進め方について、手を動かしながら理解します。Pythonによるプログラミングを行いますが、前提知識は不要です。
・プログラミング環境として、Google Colaboratoryを利用するので、あらかじめGoogleのアカウントを取得しておいてください(https://support.google.com/accounts/answer/27441を開き、[自分用]のボタンをクリックして、手順にそって進めれば簡単に取得できます。すでにお持ちのアカウントがあれば、新たに取得する必要はありません)。


<講師の言葉>Pythonによるプログラミングを行いながら、ステップバイステップで機械学習の考え方を身につけていきます。単にAI・機械学習のツールを体験するのではなく、その背後のしくみと意味を理解することにより、目的に合わせてデータの予測や分類ができるようにします。プログラミングに関しての前提知識は不要なので、未経験の方も安心してご参加ください。また、演習と合わせて、文系の人にも分かるように回帰分析やロジスティック回帰、k-means法、主成分分析などの意味についても分かりやすく説明します。AI・機械学習の教科書を読んでも、数式ばかりでよく分からないという声をよく聞きますが、この講座では、実際にそれぞれの手法を体験しながら、その手法がどのような考え方に基づいているのかを理解していきます。AI・機械学習に自ら取り組むための第一歩が踏み出せます。

<こんな方にオススメの講座です!>
・数学は苦手だけど、AI・機械学習に興味がある方
・予測や分類などを実際に体験しながら、考え方を理解したい方
・教科書を読んでも実感が湧かないかった方



  • facebook

  • 食添素材ナビ
       
ページTOPへ