【全5日】機械学習のためのPythonマスターコース

2019/05/01(水)10:00 〜 13:00 開催
ブックマーク

イベント内容

日程

5月1日(土) 10:00~13:00
5月2日(土) 10:00~13:00
5月3日(土) 10:00~13:00
5月4日(土) 10:00~13:00
5月5日(日) 10:00~13:00

講座の動画を復習用に撮ります。もし参加できない日程がございましても、資料と合わせて共有するようにいたしますので、ご安心ください。

概要

本講座は、「これからデータ分析・機械学習を始めたい方」を対象としております。5日間のプログラムを通じて、Pythonの基礎から実際の機械学習の実践演習までを体系的に学べます。修了後は、基本的な機械学習モデルが実装できるようになるとともに、より高度な機械学習、深層学習の学習を進める上での基礎力が身につきます。

また、本講座は以下のサポートがございます。

  • 復習用に動画配信を行います。参加できない日程がある方や、復習したい方も安心です。
  • チャットアプリケーション(slack)における質問サポート対応を行います。(初回講座から最終講座終了後1週間、質問内容は講座と関連する内容に限る)
  • 修了テストに合格することによる、修了証明書の発行を行います。

※Pythonの基本中の基本(for分やif分)は理解している方、または他のプログラミング言語を使用したことがある方を対象としております。
※講義はハンズオン形式で進めますので、Python3をインストールしたPCをご用意ください。

講座を通じて得られること

・機械学習のためのPythonに対する網羅的な知識。
・代表的な機械学習やデータ分析手法の実装能力。
・より高度な機械学習や深層学習を学ぶための基礎力。

講座一覧のフローチャート

どの講座から受講したら良いのかわからないというような方は、下記のフローチャートを参考にしていただければと思います。

Alt text

カリキュラム

【Day1】 データをPython上で自在に操作出来るようになる

・Pythonでcsvデータを扱う
・欠損値処理
・学習用データとテスト用データの作成

【Day2】 データ分析ライブラリのNumpyとmatplolibの習得する

・Numpy紹介
・配列の作成
・配列の要素指定
・配列の計算
・Numpyでよく使われる関数
・データの可視化

【Day3】 Pythonにおけるオブジェクト指向を理解し、より効率良くプログラムを書く

・クラスとは
・クラス変数
・インスタンス変数
・クラスを使う関数
・コンストラクタとデストラクタ
・カプセル化
・クラスの継承

【Day4】 手元にあるデータに対して適切な機械学習アプローチを選択できるようになる

・ファイルの読み込み、可視化
・回帰分析・Lasso回帰分析
・教師あり分類(SVM・サポートベクターマシン)
・教師なし分類(クラスタリング・K平均法)
・次元削減(主成分分析・PCA)

【Day5 】 実用レベルの機械学習モデルを作成できるようになる

・ 導入(ゴールの共有と基本事項の確認)
・モデルの評価方法(回帰と分類)
・ハイパーパラメーターのチューニング
・ 実用的な回帰モデルの作成(多項式回帰)
・実用的な分類モデルの作成(ランダムフォレスト)

※ 当日予告なく時間配分・内容が変更になる可能性がございます。

こんな人にオススメ

・機械学習の学習や社内導入を考えている方
・機械学習のためのPythonについて網羅的な知識を習得したい方
・ディープラーニングをやっていきたいと考えている方
・Pythonを体系的に学びたい方

事前準備・持ち物

・ノートPC
Python3のインストールをお願いいたします。
また、以下のパッケージを当講座では利用します。当日までに動作確認をお願いいたします。
・pandas
・sklearn
・numpy
・matplotlib


また,講義はJupyter Notebookを用いて行いますので,こちらインストールもお願いいたします。

講師

小林悠
大学院にて複雑な最適化問題を解くためのアルゴリズムや機械学習への応用研究に従事。機械学習における最適化手法の改善手法を提案し、深層学習による自然言語処理への応用について国際会議で発表経験あり。また大学時代は、学科で4年連続成績トップになり、三度の表彰を受ける。現在は、深層学習による自然言語処理を用いた対話型システムやそのユーザ満足度について研究している。

神津陽信
慶應義塾大学管理工学科において主に機械学習を用いた製造業における諸問題へ取り組んでいる。研究では機械学習と時系列データを用いた研究に従事。他にも統計、生産管理、データ分析にも精通。AIコンサルでPMとして多数のプロジェクトを行った経験などもあり。

渡邉雅也
東京理科大学経営工学科にて経済ファイナンス時系列データに関する研究に従事。統計学、情報工学、最適化の理論などに精通。大手証券会社にて機械学習に関する技術を用いた分析を行った経験を活かし、kaggleなどのコンペティションにも参加。

領収書について

【Stripeで事前決済の方】
クレジットカード会社が発行する明細を領収書の代わりとしてご利用ください。

【Paypalの方】
決済処理後にPaypalから送付されるメール内容、またはPaypalの取引履歴から該当項目を確認の上、「詳細」をご覧ください。それらが領収書の代わりとなります。また、クレジットカード会社発行の利用明細書も領収書としてご利用いただけます。

【別途領収書発行が必要な方】
別途発行手数料として1000円頂きます。必要な方は、以下のフォームよりご申請ください。領収書発行手数料と受講料金を合算した金額で発行いたします。
全人類がわかる統計学 領収書発行フォーム

受付・入場時間

開始の10分前から

※なるべく5分前までにお入りください。
※途中参加も可能です。

お問い合わせ

・メールでのお問い合わせは、info@to-kei.net までご連絡ください。
・こちらで⇨LINE@からもお問い合わせいただけます。(推奨)

注意事項

・リクルーティング、勧誘、採用活動など、目的に沿わない行為につきまして、主催者が相応しくないと判断した場合は即刻退出処分とします。全員が気持ちよく過ごすことが出来るよう、ご協力をお願い致します。
・講座内で扱うコンテンツは全て「全人類がわかる統計学」に帰属しています。複製はご遠慮ください。
・個人ブログへの講義コンテンツの掲載はご遠慮ください。
・最小遂行人数は「3名」です。開催日の前日までにこの人数に達しない場合は中止となります。ただし、複数の媒体で募集を行っているので、本サイト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。もし、中止が決定した場合はその時点で「全額返金」し、登録しているメールアドレスにご連絡させていただきます。

全人類がわかる統計学とは

統計学の学習サイト、全人類がわかる統計学を運営、管理している団体です。統計学とその関連分野について、出来るだけわかりやすく多くの人々に届けるということを目指して活動しています。

注意事項

※ こちらのイベント情報は、外部サイトから取得した情報を掲載しています。
※ 掲載タイミングや更新頻度によっては、情報提供元ページの内容と差異が発生しますので予めご了承ください。
※ 最新情報の確認や参加申込手続き、イベントに関するお問い合わせ等は情報提供元ページにてお願いします。

関連するイベント