BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:第４回マシンラーニングのら猫勉強会「Python M achine Learning」読書会 X-WR-CALNAME:第４回マシンラーニングのら猫勉強会「Python M achine Learning」読書会 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:597963@techplay.jp SUMMARY:第４回マシンラーニングのら猫勉強会「Python Machin e Learning」読書会 DTSTART;TZID=Asia/Tokyo:20160925T133000 DTEND;TZID=Asia/Tokyo:20160925T170000 DTSTAMP:20261020T121114Z CREATED:20160821T160013Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/59796 3?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n\n\n第４回マ シンラーニングのら猫勉強会「Python Machine Learning」読 書会\n　９月２５日（土）13:30 - 17:00　（受付は13:15か ら）\n　市ヶ谷健保会館、E会議室　（レストランの２F ）　東京都新宿区市谷仲之町4-39\n　会場払い500円\n　 ※　懇親会希望者は当日募りますので、予定が空きそ うであれば空けておいてください。会費は2000円程度の 予定です。\n　※　今回から、Machine Learning with TensorFlow (Manning) やRの機械学習ライブラリその他の課題図書（ 未翻訳本を中心に）を加えることを考えてみます。ま た、全般的に統計関連が皆さん苦労されているようで すので、前回担当者の発表で不十分であった数式やコ ードの読み方（ロジスティック回帰やカーネルサポー トベクトルマシンの）などの解説を（石井が）最初に 時間をとってします。\n\n●概要\n東京農工大の石井一 夫先生が一般向けに開く、「Python Machine Learning」の洋 書読書会です。\n洋書を元に、担当者が本の内容をま とめ、参加者に紹介します。実際にサンプルコードを 動かしてみてわからなかったことや翻訳版と原文を読 み比べたりします。\n一人での読書とは違った新たな 発見があること間違いなしです。ご興味があれば是非 お気軽にお申込みください。\n\n６月の第１回から８月 の第３回では、１、２、３、４、６章の抄読会が開催 されました。\n第４回は、５、７、８、９、１０、１ １、１２、１３章の中から適宜選択して抄読会を開催 します。\n\n第５章　次元削減でデータを圧縮する\nChap ter 5\, Compressing Data via Dimensionality Reduction\, describes the ess ential techniques to reduce the number of features in a dataset to smalle r sets while retaining most of their useful and discriminatory informatio n. It discusses the standard approach to dimensionality reduction via pri ncipal component analysis and compares it to supervised and nonlinear tra nsformation techniques. \n\n第７章　アンサンブル学習 -- 異 なるモデルの組み合わせ\nChapter 7\, Combining Different Models for Ensemble Learning\, introduces you to the different concepts of comb ining multiple learning algorithms effectively. It teaches you how to bui ld ensembles of experts to overcome the weaknesses of individual learners \, resulting in more accurate and reliable predictions.\n\n第８章　 機械学習の適用　1 -- 感情分析\nChapter 8\, Applying Machine L earning to Sentiment Analysis\, discusses the essential steps to transfor m textual data into meaningful representations for machine learning algor ithms to predict the opinions of people based on their writing. \n\n第 ９章　機械学習の適用　2 -- Webアプリケーション\nChapte r 9\, Embedding a Machine Learning Model into a Web Application\, continu es with the predictive model from the previous chapter and walks you thro ugh the essential steps of developing web applications with embedded mach ine learning models. \n\n第１０章　回帰分析 -- 連続値をと る目的変数の予測\nChapter 10\, Predicting Continuous Target Varia bles with Regression Analysis\, discusses the essential techniques for mo deling linear relationships between target and response variables to make predictions on a continuous scale. After introducing different linear mo dels\, it also talks about polynomial regression andtree-based approaches .\n\n第１１章　クラスタ分析 -- ラベルなしデータの分 析\nChapter 11\, Working with Unlabeled Data – Clustering Analysis\, s hifts the focus to a different subarea of machine learning\, unsupervised learning. We apply algorithms from three fundamental families of cluster ing algorithms to nd groups of objects that share a certain degree of si milarity.\n\n第１２章　ニューラルネットワーク -- 画像 認識トレーニング\nChapter 12\, Training Arti cial Neural Networks for Image Recognition\, extends the concept of gradient-based optimizati on\, which we rst introduced in Chapter 2\, Training Machine Learning Al gorithms for Classi cation\, to build powerful\, multilayer neural networ ks based on the popular backpropagation algorithm.\n\n第１３章　ニ ューラルネットワーク　-- 数値計算ライブラリ Theano によるトレーニングの並列化\nChapter 13\, Parallelizing Neura l Network Training with Theano\, builds upon the knowledge from the previ ous chapter to provide you with a practical guide for training neural net works more ef ciently. The focus of this chapter is on Theano\, an open s ource Python library that allows us to utilize multiple cores of modern G PUs. \n\n担当の方は、事前学習用にということで資料の 共有が可能であれば、任意でメールまたは共有してお りますgoogleドキュメントフォルダに保存をお願いしま す。\ngmailアカウントが無い場合は、メールで事務局ま でご送付ください。\n\n初回に参加されなかった初めて の方は、機械学習関連の知識習得という目的でも大丈 夫です。\n次回以降の抄読会にご自身が参加したいと いう希望があれば是非お願いします。\n\n●受付時間　 13:15 受付開始　13:30　開始　　17:00　終了\n●費用　500 円（資料・会場）\n●募集人数　30名\n●参加者要件\n 　・機械学習を学ぶ意欲のある方。\n　・PythonやRでデ ータ分析をやってみたい方。\n　・本、またはスライ ドに英単語が多く出てくるので、英語に抵抗の無い方 。\n　・PythonやRのほか、Spark、Juliaなど順次取り上げて いきますのでこれらに関心の有る方。\n●機械学習本 について\n　・原書をご購入希望される方は、こちら より電子書籍をお求めください。任意です。\n→　https ://www.packtpub.com/big-data-and-business-intelligence/python-machine-lea rning LOCATION:市ヶ谷健保会館、E会議室　（レストランアルフ ァーロの２F） 東京都新宿区市谷仲之町4-39 URL:https://techplay.jp/event/597963?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR