次回は第4章からスタートします。

開催趣旨

本勉強会では、AIや機械学習の知識や実装力を高めていくことを目的とし、AIや機械学習関連の書籍を一冊取り上げ、毎週1回一章ずつ読み進めていく予定です。オンライン勉強会では約1時間で、参加者同士の質問・意見交換やディスカッションを中心に進めていきます。

『スモールデータ解析と機械学習』（藤原 幸一 著, オーム社, 2022年2月）
※ 書籍はご自身で入手のうえ、ご参加ください。

参加対象者

• AIや機械学習の理解と実装力を高め、業務や研究に活用した社会人・学生・研究者の方
• Pythonの基礎的な文法やJupter Notebook、Google Colaboratoryの基本的な使い方を習得されている方
• オンラインで参加可能な方

参加方法

Commpassの参加者への情報に記載のZoomリンクよりご参加ください。

勉強会の進め方

• その日に取り扱う章を前もって各自ご自身で読み進めておいてください。
• 勉強会では皆で書籍の内容を確認ながら、ポイントごとに立ち止まり、zoom・Slack等で疑問点をぶつけ合い、意見交換し、理解を深めていければと思います。

※ 一人が資料準備してきて一方的にレクチャーする形式ではなく、参加者同士インタラクティブにディスカッションしながら進めていきます。

書籍の内容紹介

（参照：https://www.ohmsha.co.jp/book/9784274227783/ ）

以下、上記URLの内容紹介から抜粋

スモールなデータの解析手法・ノウハウが身につく！

Webデータや画像データに代表されるようなビッグデータが注目される一方で、機械の故障データのように発生自体がまれであったり、患者さんの検査データのように倫理的な問題からデータを集めることに制約があったり、あるいはデータの判読が専門家以外では困難で機械学習に利用しにくいデータは、どうしても忘れられがちです。ビッグデータの時代において、収集が難しいために私たちが忘れかけているデータのことをスモールデータとよびます。

スモールデータでは、測定されている変数の数に比べて学習に必要なサンプルが不足していたり、それぞれのクラスのサンプル数が極端に偏っていたりするため、深層学習のようなビッグデータの方法をそのまま適用するのは適当ではなく、異なるアプローチが必要になります。

本書は、スモールデータとはどのようなデータであるのかを具体的に紹介して、スモールデータ解析の基本となる次元削減と回帰分析を説明します。特に部分的最小二乗法（PLS）はスモールデータ解析の大きな武器となるでしょう。そして、機械学習においてモデルの性能向上のために必要な変数（特徴）選択を紹介し、特にクラスタリングに基づいた新しい変数選択手法を説明します。つづいて、不均衡なデータの解析手法と異常検知を紹介して、最後にスモールデータ解析についての筆者の経験に基づいたポイント・考え方を述べました。本書ではPythonプログラムとスモールデータ解析の例題を通じて、読者がスモールデータを有効に解析できるようになるよう工夫しています。

ビッグデータの世界は、もはやデータ量と資本力が支配するレッドオーシャンとなっています。しかし、スモールデータの世界は、まだまだ現場の創意工夫次第でデータから新たな価値を引き出すことのできるブルーオーシャンなのです。みなさんも、この未知の世界に飛び込んでみませんか？

このような方におすすめ
◎製造ラインや医療現場などでデータの解析を行う技術者、研究者
○データサイエンス系の技術者、研究者、学生

参加者同士の質問・情報交換

Scribble Osaka Lab（SOL）のSlackワークスペースで、参加者同士の質問・情報共有用チャンネルを設けております。参加ご希望の方は、申込みフォームで招待メール送り先のEmailアドレスをお教えください。

その他

ソレイユデータ道場については、公式HPやFacebookページをご参照ください。

公式HP：https://soleildatadojo.com/
Facebookページ：https://www.facebook.com/soleildatadojo/