カリキュラム

 2月18日

（火）

開会式

・本研修についてご説明

・オリエンテーション（自己紹介等）

・注意事項等の説明

統計手法・機械学習についての講義

・統計手法

　- 統計で使用する用語の説明

　- 統計と機械学習の違い

・機械学習の全般的な講義

　- 特徴量・目的変数などの役割

　- 機械学習の分類（回帰・分類）

　- 基礎的な手順（学習・テスト）

　- 過学習・検定について

環境設定・Pythonの基本・統計手法ハンズオン 

・Jupyter notebookの使い方

・Pythonによるデータ解析の基本

　- Pythonの基本的な文法

　- Pythonにおけるデータ型

　- 基本的な統計関数

　- 基本的な可視化

・単回帰分析

今日の振り返り、質疑、宿題

2月19日

（水）

1日目復習

機械学習事始めハンズオン (1/4)

・予測を目的とした回帰分析

　- 非線形回帰分析

機械学習事始めハンズオン (2/4)

・分類問題

　- ロジスティック回帰

　- 多値線形分類

　- サポートベクタマシン

　- 決定木

　- ランダムフォレスト

・オーバーフィット・過学習とは

機械学習事始めハンズオン (3/4)

・特徴選択

　- 線形回帰モデルによる特徴選択

　- MARSによる説明変数影響解析

　- ランダムフォレストによる説明変数影響解析

　- 決定木による特徴選択

・ニューラルネットワーク

　- ニューラルネットワークとは

　- ニューラルネットによる分類

　- ニューラルネットによる回帰

　- 深層学習による画像認識

今日の振り返り、質疑、宿題

2月20日

（木）

2日目復習

機械学習事始めハンズオン (4/4)

・次元削減法

　- 変数選択

　- 主成分分析

・教師なし学習

　-クラスタ分析

　　・階層的クラスタ分析

　　・k平均法

　　・自己組織化写像

本研修のまとめ

・典型的な学習アルゴリズム

データ分析のプロセス例

宿題についてのディスカッション

機械学習の適用検討（企画フェーズ）

・データ分析のよくある適用例

・業務での適用のアイデア

今日の振り返り、質疑

閉会式