本セミナーは「機械学習についての基本的な理解をしたうえで、その技術を利用した企画を策定してみる」という一連のプロジェクト(流れ)を3日間で凝縮して行うカリキュラムです。
1日目 | 時間 | 内容 | |||
2月18日 (火) |
11:00~12:00 |
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 |
|||
13:00~15:00 |
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 |
||||
15:15~17:15 |
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 |
||||
17:15~18:00 |
今日の振り返り、質疑、宿題 |
2日目 | 時間 | 内容 | |||
2月19日 (水) |
10:00~12:30 |
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 |
|||
13:30~15:30 |
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
|
||||
15:45~17:15 |
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 |
||||
17:15~18:00 |
今日の振り返り、質疑、宿題 |
3日目 | 時間 | 内容 | |||
2月20日 (木) |
10:00~12:30 |
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 |
|||
13:30~15:30 |
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 |
||||
15:45~17:15 |
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 |
||||
17:15~18:00 |
今日の振り返り、質疑 閉会式 |