【全4回】【入門者〜初心者向け】理論から実践まで行う機械学習入門

内容概要

機械学習の入門者〜初心者から中級者（ジュニアレベルで仕事ができるレベル）に上がる
にあたって必要な理論と実装の知識について4回で取り扱います。
扱うトピックのレベル感としては、
・はじめてのパターン認識
・データ解析のための統計モデリング入門
レベルの理論と実装、またビジネス文脈への応用について解説します。

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
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、
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。

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
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
サポートできればと考えています。

身につく内容

・機械学習の概論について把握できます
・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
・Python＋scikit-learnを用いた実装について理解できます
・機械学習のビジネスへの応用について理解できます
・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

開催日程（全4回のコースで行います）

4/23（火）、4/30(火)、5/7（火）、5/14（火）、5/21（火）<-予備日
受付：19:50〜20:00
講義：20:00〜21:30
演習：21:30〜22:00

※
・演習は自由参加にしますので、帰りの時間が気になる方は2回目以降は19時半〜の30分
に行う形でも大丈夫です。
・4/30がゴールデンウィークと被るため、5/21を一旦予備日としておきます。（初回時に
ご希望を伺った上で、全員が出席しやすい形にうまく調整させていただきます）
・3回出席の方も、初回は必ず出れる方のみのお申込みでお願いいたします

会場

水道橋駅、神保町駅、九段下駅周辺
千代田区西神田2-7-14 YS西神田ビル2F

カリキュラム（4回分のアジェンダです）

・機械学習概論
　　機械学習とは
　　教師あり学習、教師なし学習とは
　　教師あり学習における学習と推論
　　代表的な識別規則の構成法

・距離による規則の構築とクラスタリング
　　クラスター分析とは
　　距離の指標
　　類似度の指標
　　階層クラスター分析とは
　　クラスター間の距離測定方法
　　非階層クラスター分析とは
　　Pythonを用いたそれぞれのトピックの演習

・決定木とアンサンブル学習
　　決定木
　　決定木とは、不純度の考え方
　　交差エントロピー、ジニ係数
　　アンサンブル学習（バギングとブースティング）
　　ランダムフォレスト
　　Pythonを用いたそれぞれのトピックの演習

・関数近似と線形回帰、ニューラルネットワーク
　　単回帰分析
　　最小二乗法、回帰係数と共分散
　　相関係数
　　重回帰分析、ニューラルネットワークへのモデルの拡張
　　DeepLearning概論
　　Pythonを用いたそれぞれのトピックの演習

・最尤法とベイズの定理、事後確率
　　確率分布、最尤法
　　ベイズの定理基本（事後確率と尤度）
　　最大事後確率基準（分類）
　　事前分布と事後分布
　　ベイズ線形回帰
　　Pythonを用いたそれぞれのトピックの演習

・ビジネスへの生かし方
・論文や実装例などの一次情報へのアクセスの仕方（発展）

・演習
　　なんらかのデータを用いた演習を行います
　　（コンペティションのデータから選定予定です）

※講座内容は若干変更となる場合があります

対象者

・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
・実務で機械学習を活用したい方
・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

講師プロフィール

東大工学部卒。
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。
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。
初心者向けの指導実績も多く、1,000名近い。

※
初回以外は話す内容に合わせて、別講師に変更になる可能性があります。

当日のお持物

・ノートとペン
・ノートPC
=> 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。
=> また、WindowsよりもMacの方が環境構築が楽なので推奨です。

費用

・20,000円（4回分）
・16,000円（3回分）
・35,000円（個別フォローアップ付き）

※
領収書発行の際は事務手数料と法人料金を兼ねまして、追加5,000円で発行とさせていただきます。

当日までの準備・事前学習

基本的に不要ですが、予習をしたい方は下記を読んできていただけたらと思います。

・Python環境の構築
https://lib-arts.hatenablog.com/entry/lang_ml
-> 言語選択
https://lib-arts.hatenablog.com/entry/python_env
-> 環境構築

・Pythonプログラミング基礎
https://lib-arts.hatenablog.com/entry/entrance_python1
-> FizzBuzz問題のコーディング
https://lib-arts.hatenablog.com/entry/business_efficiency2
-> Python+SQL

・理論面に関して（はじめてのパターン認識読解メモ）
https://lib-arts.hatenablog.com/entry/hajipata-reading_1
https://lib-arts.hatenablog.com/entry/hajipata-reading_2
https://lib-arts.hatenablog.com/entry/hajipata-reading_3
https://lib-arts.hatenablog.com/entry/hajipata-reading_4
https://lib-arts.hatenablog.com/entry/hajipata-reading_5
https://lib-arts.hatenablog.com/entry/hajipata-reading_6

・CUIの利用方法（Macのターミナルの使用方法）
https://lib-arts.hatenablog.com/entry/master_CUI1
https://lib-arts.hatenablog.com/entry/master_CUI2
https://lib-arts.hatenablog.com/entry/master_CUI3

・高校数学とニューラルネットワーク、DeepLearning
https://lib-arts.hatenablog.com/entry/math_nn1
https://lib-arts.hatenablog.com/entry/math_nn2
https://lib-arts.hatenablog.com/entry/math_nn3
https://lib-arts.hatenablog.com/entry/math_nn4
https://lib-arts.hatenablog.com/entry/math_nn5
https://lib-arts.hatenablog.com/entry/math_nn6
https://lib-arts.hatenablog.com/entry/math_nn7
https://lib-arts.hatenablog.com/entry/math_nn8

ご参加にあたってのお願い

無断欠席や前日以降のキャンセルに関しては当日人数読めなくなり非常に
迷惑なので基本的に行わないようにお願いします。
体調不良などどうしてものケースは別途ご連絡いただくか、イベントへの
お問い合わせよりご連絡いただけますと嬉しいです。
上記がひどいアカウントに関してはブラックリスト処理を行い以後の参加を
お断りさせていただきますので、その点だけ予めご了承ください。
（7割以上来れる前提でのお申し込みと前日以降のキャンセルはメッセージでの
ご連絡をいただくということだけ気をつけていただければ大丈夫だと思います）