Python で学ぶクラスタリング入門

今回はざっくりとクラスター分析の各手法と必要な知識の整理を行います。

＜講義＞
1. クラスター分析とは
  クラスター分析のポイント
  サンプル間の距離測定方法
  距離と類似度の違い

2. 距離の指標
  標準化ユークリッド距離、マハラノビス距離
  マンハッタン距離、チェビシェフ距離、ミンコフスキー距離

3. 類似度の指標
  ベクトルの内積、コサイン類似度
  ピアソンの相関係数、 類似度から距離への変換

4. 階層クラスター分析とは
  デンドログラムの生成ステップ

5. クラスター間の距離測定方法
  鎖効果と拡散現象
  ウォード法、群平均法
  最短距離法、最長距離法

6. 階層クラスター分析の長所と短所
　距離測定方法の組み合わせによる結果の違い

7. 非階層クラスター分析とは
　k-meansのフロー、k-means法の初期値依存について

8. k-meansの派生手法
　x-means概要、k-means++概要
　Scikit-learnにおけるKMeansの関数
　ファジークラスタリング、cmeans

随時、pythonによるクラスター分析手法について解説します。

6/7(金)
受付：19:45〜20:00
講義＆質疑応答：20:00-21:15

品川周辺ですが、現在のところ会場未定

・データサイエンスの基礎を学びたい方
・クラスタリングとは何かを基礎からきちんとおさえておきたい方
・Pythonを学び始めた方

ノートパソコン必須。
Linux, Mac が望ましいですが、Windows でも仮想環境やクラウド環境があればコマンドで演習可能です。
Windows環境の方でもセキュリティの基本的な考え方を学べます。

阪大大学院数学専攻卒。大阪府出身。
C、C++、Java、Perl、PHP、Ruby、Python、R、bash を操る公共系インフラエンジニア、フロントエンジニア
を経て、医療系クラウドサービスを展開。医療系システムコンサルタント等を経てAIベンチャーにて
データサイエンティスト。
大手から中小まで数多くのシステム開発プロジェクトで開発統括、プロマネを経験。
基盤設計、統計学、機械学習、深層学習、組織論、リーダーシップ論、心理学、事業戦略論等をテーマに、
社内外で講師の経験多数。

領収書の発行手数料は2,000円(税込)となります。
ご了承ください。