BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【初級者歓迎】機械学習モデル構築徹底演習
X-WR-CALNAME:【初級者歓迎】機械学習モデル構築徹底演習
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:713724@techplay.jp
SUMMARY:【初級者歓迎】機械学習モデル構築徹底演習
DTSTART;TZID=Asia/Tokyo:20190125T193000
DTEND;TZID=Asia/Tokyo:20190125T220000
DTSTAMP:20260421T012431Z
CREATED:20181229T181831Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/71372
 4?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n概要\n\n機械
 学習を用いたデータ分析の実践においては、機械学習
 のアルゴリズムや統計に関する知識、実装に用いる言
 語やライブラリの知識が必要ですが、双方の知識を有
 機的に結びつけることもまた重要です。前講までの内
 容でPythonで機械学習を実装するに当たって必須のツー
 ルが揃いましたので、次はこれらをデータ分析の実装
 に応用してみましょう。\n\n本講座では、Pythonプログラ
 ミングの講座を一度受講された方あるいは勉強中の方
 に対象とし、演習問題を解くことを通して，回帰・分
 類を始めとしてどのようなタスクにおいても必須とな
 る\n\n\nデータの前処理・整形\n変数選択\nハイパーパラ
 メータチューニング\nモデルの検証方法\n\n\nへの知識
 を深め，Pandas・Scikit-learnを用いて自力で実装する実践
 的講座となります。\n\nこの講座を学び終えれば、「現
 場で使える機械学習・データ分析基礎講座 」受講に
 向けての予備知識は万全なものとなります。次のステ
 ップとして実践的な機械学習を学ばれるに当たって非
 常に有用な講座となっておりますので、ぜひご検討く
 ださい。\n\nこの講座で得られること\n\n\nPandas、Scikit-le
 arnを組み合わせたデータの前処理\nScikit-learnによる予
 測モデルの構築と検証\nパラメータチューニングの方
 法\nScikit-learnの公式リファレンスをある程度読めるよ
 うにする\n\n\n講座内容に関して\n\nこちらの講座は演習
 講座となりますので、同レベルの理論講座（平日開催
 の「10. Kaggleを始めるための前処理入門」および「11. Sc
 ikit-learnを用いたKaggle入門」、もしくは週末開催の「機
 械学習を始めるためのPythonデータ分析実践（機械学習
 モデル構築）」）を受講していることが前提となりま
 す。\n\n「機械学習を始めるための」Python講座・受講マ
 ップ\n\n受講すべき講座、前提知識については、こちら
 を参考にしてください。\n\n\n\n＊該当講座は、前レベ
 ルの講座を理解している前提で進行します。\n\nカリキ
 ュラム\n\n演習と解説をメインに以下を進めていく予定
 です。\n\n\n本講座の目的とゴールの共有\nデータの前
 処理\n質的データ・欠損値の取り扱い \nScikit-learnを用
 いた予測モデルの構築\n木モデル、線形モデル、より
 複雑なモデル\n予測モデルの改善\nデータの正規化・標
 準化\n次元削減（変数選択）\nモデルの検証\nパラメー
 タチューニング\n\n\n対象者\n\nこれからデータ分析、機
 械学習をはじめたい方\n\n前提知識\n\nNumPy\, Pandas\, Matplo
 tlibの基礎をある程度理解されている方\n\n＊該当講座
 は、前レベルの講座を理解している前提で進行します
 。\n\n会場へのアクセス方法\n\n直接会場にお越しくだ
 さい。\n遅刻される場合も直接会場にお越しください
 。\n講義時間中に出席を取ります。\n\n講師\n\nS Takahashi\
 n\n東京大学教養学部広域化学科卒業。東京大学大学院
 総合文化広域科学専攻研究科修了。GPS将棋の開発者で
 ある金子知適研究室にてゲームAIの研究を行う。ゲー
 ムプログラミングワークショップ2014研究奨励賞受賞。
 東京大学広域科学専攻奨励賞受賞。\n\n新卒で株式会社
 リコーに入社。情報システム部門で社内向けWebアプリ
 ケーションを作成する。また、WatsonやAzure AIなどのAI技
 術に関する調査も担当。その後、株式会社YTSを設立。
 オンラインや教室でのプログラミングセミナーを多数
 実施。基本的なプログラミングからAIに渡るまで、様
 々な内容を指導している。\n\n当日のお持物\n\nご自身
 のノートPC（必須）\n\n【動作環境】\nMacOSX 10.9 以上 \nWi
 ndows 7 以上（64bit必須）\nメモリ4GB以上\n\n講座までの準
 備（必須）\n\nAnaconda3-5.0.1以上のインストールをいただ
 き、ブラウザでJupyterが表示できている状態まで事前に
 準備お願い致します。 \nブラウザから http://localhost:8888
 /tree で表示されていることをご確認してください。\n\n
 ＊準備ができていない場合、ハンズオン講座なのでつ
 いてこれなくなってしまいます。この場合のタイムロ
 スはカバーできません。事前準備を必ず行ってからお
 越しいただけますようお願いいたします。\n\n通信環境
 に関して\n\nWi-Fi環境はございますが、繋がりにくい場
 合はご自身のテザリングをご利用ください。（ベスト
 エフォートとなります。）\n\n領収書\n\n【Paypalでお支
 払いの場合】\nPayPal発行の受領書が領収書となります
 。\n受領書ページは、PayPalの支払い完了ページで「印
 刷用受領書を見る」をクリックすると表示されます。\
 n当社よりの重複しての領収書発行は行えません。\n\n
 【Stripeでお支払いの場合】\nStripe発行の受領書が領収
 書となります。当社より重複しての領収書発行は行え
 ません。\n\n備考\n\n\n最小遂行人数「4名」：開催日の2
 日前までに最小遂行人数に達しない場合は、中止とな
 ります。ただし、複数のチャンネルで募集を行ってい
 るため、本サイトでの申込者数が最小遂行人数に達し
 ない場合でも開催になる場合がございます。\n環境設
 定などでつまった場合、可能な限りフォローさせてい
 ただきますが、講義の流れを優先させていただきます
 。\n勉強会内容を撮影もしくは録音することは、ご遠
 慮ください。\n個人ブログへの記述については、良識
 の範囲内でお願いいたします。\n講義コンテンツは全
 てスキルアップAIに帰属していますので、複製はご遠
 慮ください。\n\n\n運営団体\n\nスキルアップAI https://www.
 skillupai.com/\n\n講座に関するお問い合わせは、info@skillupa
 i.comまでお願いいたします。\n
LOCATION:スキルアップAI 水道橋オフィス (スカイワードビ
 ルディング5F) 東京都千代田区神田三崎町3-3-20
URL:https://techplay.jp/event/713724?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR