過去のセミナー

OLD SEMINARS
金融セミナーのセミナーインフォ > 過去のセミナー > Pythonでデータサイエンス!機械学習超入門

Pythonでデータサイエンス!機械学習超入門

本セミナーは終了致しました。
受講区分 会場
開催日時 2019-11-01(金) 9:30~16:30
講師
株式会社デジタルトランスフォーメーション研究所
伊達 貴徳 氏 主任研究員
東京女子大学情報処理センター
(一般社団法人ディープラーニング協会 有識者会員)
浅川 伸一 氏

【伊達 貴徳 氏】
東京工業大学大学院総合理工学研究科修了(工学修士)、グロービス経営大学院経営研究科修了(経営学修士)、東京大学松尾研究室Deep Learning 基礎講座修了 東工大在学中に京都大学大学院情報学研究科にて集積回路に関する研究に従事 回路シミュレータのアルゴリズムを機械学習など活用しpython にて実装 国際会議や論文誌への発表を行い、情報処理学会から優秀論文賞及び優秀発表学生賞を授与 東工大院修了後、東証一部上場電機メーカーにて官公庁向けのシステム開発に従事 AI ベンチャーとの社会実験のプロジェクト等を経験 その後、外資系コンサルティングファームにて、官公庁向けのIT コンサルティングに従事

【浅川 伸一 氏】
早稲田大学第一文学部卒、同大学大学院修了 博士(文学) 文教大学人間科学部助手を経て現職 専門は計算論的神経科学など 日本神経回路学会、日本認知科学会、日本人工知能学会、IEEE Computational Intelligence Society, Cognitive Science Society, Organization for Computational Neuroscience 等所属 著書に『ディープラーニング、ビッグデータ、機械学習あるいはその心理学』(新曜社2014)、『Python で体験する深層学習』(コロナ社2016)、『人工知能学大事典』(人工知能学会編、共立出版2017)、『深層学習教科書ディープラーニングG検定(ジェネラリスト) 公式テキスト』(監修:日本ディープラーニング協会、共著、翔泳社2018)など 日本ディープラーニング協会G検定対策講座など非エンジニア/ビジネスパーソン向けのデータサイエンスセミナーでの登壇経験も豊富

※掲載しております書籍『ディープラーニング 要点整理 テキスト&問題集』は2019年10月16日発売予定でございます。実際の書影とは異なる可能性がございますのでご了承下さい。

概要 昨今、IoTやクラウド環境の整備などによって、ビッグデータを容易に入手・分析できる時代となりました。そのため、ビジネスの世界でも従来の手法と異なり、データドリブンによる経営やマーケティングが注目されており、データサイエンスはエンジニアや研究職の人々に留まらず、あらゆるビジネスパーソンにとって身近になりつつあります。

本セミナーではデータサイエンスの基礎を学ぶ環境として、Web 上のインフラであるGoogle Colaboratory を利用し、Python による統計や機械学習をハンズオンで体験して頂くコンテンツとしております。データサイエンスは書籍等を読んだだけでは身に付きづらいため、実際にコーディングし、身体で覚えることが重要となります。Python とデータサイエンスを1日でゼロから学びたいという方にお勧めします。

なお、ディープラーニングの範囲については、11月6日(水)開催セミナー「Python で超実習ディープラーニング 実践! 強化学習・画像認識・自然言語処理」にてカバーします。


●この講座で得られること●
・コーディングの入門
・Google Colaboratory, Python, Jupyter notebookの基本的な使い方と環境構築
・機械学習ライブラリ(numpy, scikit-learn, Pandas 等)の利用方法、データのインポート
・機械学習のために必要なPython 並び確率統計とデータ分析の基礎
・ディープラーニング以外の代表的な機械学習の基礎
セミナー詳細 1.【Python演習】Jupyter notebookとライブラリの導入と基礎
(1)機械学習とPython /Jupyter notebook
(2)機械学習プラットフォーム
(3)Colaboratoryの導入
(4)Python 機械学習ライブラリ(numpy, scikit-learn, Pandas等)の利用
(5).csvデータのインポート

2.【Python演習→理論学習】機械学習に必要な確率統計の基礎
(1)ヒストグラム
(2)平均、分散、標準偏差
(3)正規分布
(4)t分布等

3.【理論学習】機械学習とデータサイエンス
(1)機械学習の定義
(2)主な機械学習の手法
(3)機械学習の活用事例
(4)教師あり学習・教師なし学習・強化学習

4.【Python演習→理論学習】機械学習を実現するデータ分析手法
(1)線形回帰
(2)ロジスティック回帰
(3)サポートベクターマシン
(4)決定木
(5)アンサンブル学習
(6)ニューラルネットワーク
(7)ベイジアン学習
(8)時系列分析
(9)クラスタリング
(10)次元圧縮

5.振り返りと質疑応答 ※ 講義、特に演習時は、インタラクティブなチュートリアルスタイルで運営します
※ 録音、ビデオ・写真撮影はご遠慮ください
補足事項 ※残席わずか
※ 当日は動作確認を行いますので午前9時15分までにご来場ください。
※回数券を使用して当セミナーにお申込されます場合、2回分の回数券が必要となります。(11/6セミナーとセットでのお申込には3回分の回数券が必要となります。)
※昼食をご用意いたします。
※ インターネットを使用します。Wi-Fi環境をご用意いたしますので、接続可能なPCをご持参ください。
※ 事前配布資料「Google Colaboratory接続の手順書」を開催1週間前にメール送付します。
※ Google Colaboratory環境で実習していただきます。事前に本セミナー専用のGoogleアカウントをご用意ください。
詳しくは「Google Colaboratory接続の手順書」内にてご案内します。
※ 「Google Colaboratory接続の手順書」の内容についてはセミナー当日の講義冒頭で簡単に解説しますが、開催前日までにご自身のPC(セミナー当日持参のPC)で本手順書に沿って動作確認をおこなってください。 

カテゴリ
関連キーワード
お問い合わせ先 株式会社セミナーインフォ
TEL : 03-3239-6544   E-mail : seminar-operation@seminar-info.jp
お問い合わせフォーム
申込規約・全額返金保証の規約
※ 印刷用ページもご用意しております。本ページの内容を印刷される際にご利用ください。
PDF

該当データはありません。