BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【全4回】【初・中級者向け】理論から実践ま
 で行う機械学習入門 #1
X-WR-CALNAME:【全4回】【初・中級者向け】理論から実践ま
 で行う機械学習入門 #1
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:681961@techplay.jp
SUMMARY:【全4回】【初・中級者向け】理論から実践まで行
 う機械学習入門 #1
DTSTART;TZID=Asia/Tokyo:20180711T200000
DTEND;TZID=Asia/Tokyo:20180711T220000
DTSTAMP:20260406T070559Z
CREATED:20180627T140747Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/68196
 1?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n内容概要\n
 機械学習系の話をするにあたって単発で色々と企画を
 行なっていたのですが、単発だと\n一人一人のフォロ
 ーアップが大変なので、4回のコース化を行い、実施さ
 せていただきます。\n\n機械学習の概論から、アルゴリ
 ズムのベースになる考え方とその応用トピックについ
 て\nそれぞれご理解いただいた上で、Python+scikit-learnな
 どを用いたコードの実行や、\nなんらかのコンペティ
 ションなどのデータを用いた実践も行えればと思いま
 す。\n\n理論面の解説と実践をバランスよく取り扱い、
 深みのある学びの場とできればと考えて\nいます。講
 義だけでなく、演習や課題なども通して理解だけでな
 く身につけるところまで\nサポートできればと考えて
 います。\n\n\n\n身につく内容\n・機械学習の概論につい
 て把握できます\n・機械学習のアルゴリズムの代表的
 な考え方について理解することができます\n・Python＋sc
 ikit-learnを用いた実装について理解できます\n・演習を
 通して実務への応用の方法についてイメージがつかめ
 ます\n\n\n\n開催日程（全4回のコースで行います）\n7/11(
 水)、7/18（水）、7/25(水)、8/1（水）\n受付：19:50〜20:00\n
 講義：20:00〜21:30\n演習：21:30〜22:00\n\n※\n途中適当に休
 憩を挟みます。\n\n\n\n会場\n水道橋駅、神保町駅、九段
 下駅周辺\n（詳細はお申し込みいただきました方にご
 連絡させていただきます。MAX30は入るので広々と\n快適
 に使えるのではないかと思います。）\n\n\n\nカリキュ
 ラム（4回分のアジェンダです）\n・機械学習概論\n　
 　機械学習とは\n　　教師あり学習、教師なし学習と
 は\n　　教師あり学習における学習と推論\n　　代表的
 な識別規則の構成法\n\n・距離による規則の構築とクラ
 スタリング\n　　クラスター分析とは\n　　距離の指標
 \n　　類似度の指標\n　　階層クラスター分析とは\n　
 　クラスター間の距離測定方法\n　　階層クラスター
 分析の長所と短所\n　　非階層クラスター分析とは\n　
 　k-meansの派生手法\n　　Pythonを用いたそれぞれのトピ
 ックの演習\n\n・決定木とアンサンブル学習\n　　決定
 木\n　　決定木とは、不純度の考え方\n　　交差エント
 ロピー、ジニ係数\n　　決定木の手法、決定木と剪定
 、枝切りを行わない場合の問題点\n　　アンサンブル
 学習（バギングとブースティング）\n　　ランダムフ
 ォレスト\n　　Pythonを用いたそれぞれのトピックの演
 習\n\n・関数近似と線形回帰、ニューラルネットワーク
 \n　　単回帰分析\n　　最小二乗法、回帰係数と共分散
 \n　　決定係数、寄与率、相関係数\n　　重回帰分析、
 ニューラルネットワークへのモデルの拡張\n　　Python
 を用いたそれぞれのトピックの演習\n\n・ベイズの定理
 と最大事後確率基準\n　　ベイズの定理基本（事後確
 率と尤度）\n　　最大事後確率基準（分類）\n　　Python
 を用いたそれぞれのトピックの演習\n\n・演習\n　　な
 んらかのデータを用いた演習を行います\n　　（コン
 ペティションのデータから選定予定です）\n\n※講座内
 容は若干変更となる場合があります\n\n\n\n対象者\n・高
 校数学は大体は把握している方\n・背景の理論の概要
 をつかんだ上でライブラリを使用したい方\n・実務で
 機械学習を活用したい方\n・機械学習を用いた人工知
 能系のプロジェクトに興味がある方\n\n\n\n講師プロフ
 ィール\nアメリカの大学の数学科卒。現在外資系ソフ
 トウェア企業で分析系ツールのエンジニア営業を担当
 。\n数学科のバックグラウンドを活かし、分析の背景
 までわかりやすく解説することが可能。\n大学時代に
 は塾講師の経験もあり、小学生〜高校生まで幅広いト
 ピックを指導した経験を持つ。\n\n\n\n主催者プロフィ
 ール（初回講師、全体監修）\n東大工学部卒。\nデータ
 分析/AI開発の仕事の経験は7年目で、理論/開発/ビジネ
 スのどれも経験があり強い。\nまた、多くの業界のプ
 ロジェクトに関わったためドメイン知識も豊富。\n初
 心者向けの指導実績も多く、1\,000名近い。\n\n\n\n当日
 のお持物\n・ノートとペン\n・ノートPC\n=> ある程度の
 スペックは欲しいので、5年以内に購入したくらいのも
 のだと嬉しいです。\n=> また、Windowsよりもmacの方が環
 境構築が楽なのでオススメです。\n\n\n\n費用\n上記記載
 の通りです。\n割引に関しましては、女性の少ない業
 界なので女性の参加者の割引と、懐事情を鑑みて25歳
 以下の\n参加者への割引をさせていただければと思い
 ます。\n\n\n\n当日までの事前学習\nPython+Anaconda付随のラ
 イブラリ+TensorFlowを利用できるようにしてきてくださ
 い。\n（当日はJupyterでTensorFlowを動かします。）\nイン
 ストールがわからない方は、別途ご相談いただければ
 対応致します。\n\n\n\n領収書\n領収書の発行も可能です
 のでご希望の方はその旨お申し付けいただければと思
 います。\n（個人で気軽に参加できるようにという価
 格設定なので、領収証発行の際は追加で2\,000円の\nお
 支払いをよろしくお願いいたします。）\n\n\n\n備考\n・
 単発で何度か実施した内容が多いのですが、細かいサ
 ポートまで手が回っていなかったので、極力\n丁寧な
 フォローアップができればと考えています。\n\n・4回
 中1度くらいの欠席であれば個別でフォローアップ会を
 実施しますので、どうしても1日合わない\nという方は
 ご相談いただけますと嬉しいです。\n
LOCATION:水道橋駅周辺(三崎町交差点付近) 東京都千代田区
 神田三崎町2 (水道橋駅三崎町交差点周辺)
URL:https://techplay.jp/event/681961?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR