機械学習エンジニアの実践力を支える「機械学習」理論入門

開催日:2020年1月29日(水)10:00~18:00
受講料金:60,000円+税
場所:株式会社翔泳社 セミナールーム
〒160-0006 東京都新宿区舟町5(地図

学習ポイント



機械学習のツールやライブラリがオープンソースとして利用可能になり、さまざまなビジネス領域で機械学習が活用されるようになりました。
とりわけ、大規模データ分析や機械学習を組み合わせたアプリケーションの開発において、データ分析を専門としないソフトウェアエンジニアにも機械学習の活用が求められています。

しかしながら、機械学習を実践的に活用する上では、モデルの選択やパラメーターチューニングなどの試行錯誤が必要不可欠で、その為には、ライブラリの背後に隠された「理論」の理解が重要となります。つまり、機械学習エンジニアは、ツールの使い方に加えて、次のような質問に答えられる必要があります。

  • 機械学習のツールやライブラリは内部でどのような計算をしているのか?
  • 計算で得られた結果にはどのような意味があり、どのようにビジネス活用すればよいのか?
  • 本セミナーでは、機械学習に造詣が深く、様々なカンファレンス等で登壇実績の高い中井悦司氏を講師に迎え、機械学習の基本的なアルゴリズムについて、その背後にある理論を解説していきます。さらに、Pythonで実装したアルゴリズムのサンプルコードを用いたハンズオンも行います。
    また、ビジネス視点でのデータ活用となる「データサイエンス」を意識した解説を行い、ビジネス活用に向けた本格的な機械学習を学ぶ土台となる知識を提供します。

    こんな方にオススメ

    • 機械学習の仕組み・考え方を基礎から理解したいITエンジニアの方

    講師情報

    中井悦司
    大学院在学中に素粒子理論の研究を通して機械学習の基礎となる数学を学んだ後、予備校講師、外資系ITベンダー、Linuxディストリビューターを経て、現在は、大手検索サービス企業にて、クラウドと機械学習の活用に向けた技術支援を実施。データ活用技術の健全な普及を目指し、機械学習/ディープラーニングの根本的な仕組みを伝えることを主眼とした書籍執筆や講演活動にも注力。代表的な著書は、「ITエンジニアのための機械学習理論入門」「TensorFlowで学ぶディープラーニング入門」など

    用意するもの/必要なスキル

    ※パソコンをお持ちいただく講座になります。
    必要なパソコン環境についても下記URLより必ずご確認ください。

    持参するPCについて
    下記の手順に従って、Google Colaboratory を用いた演習環境をセットアップしておいてください。 (Google Colaboratoryを利用する際は、Googleアカウントが必要となります。)

    「Google Colaboratory を用いた演習環境の準備手順」
    http://enakai00.hatenablog.com/entry/2018/02/11/151136

    ※当日は、ハンズオン環境が準備できている前提で講義を開始します。環境準備の時間はとりませんので、必ず、事前に準備(動作確認)をしておいてください。

    必要なスキル
    ・大学初等程度の数学(微積分、線形代数、確率統計)の知識があることが望ましい。
    ※講義の際は、数式の意味についても説明するので必須ではありません。
    ・Python 等のプログラミングの知識がなくても受講いただけます。

    お支払い方法

    クレジットカード/ 銀行振込/Amazon Pay
    銀行振込をご希望の方は、ご登録の住所に請求書を郵送させていただきます。
    請求書発行日より10営業日以内のお振込みをお願いいたします。

    領収書

    会員メニュー > 注文履歴 > [領収書出力]から、出力することが可能です。
    出力方法の詳細は、こちらをご確認ください。

    ※複数でお申し込みの場合は、カートで自動的に5%OFFになる「複数割引」が適用されます。詳しくはメニューバーの「割引プラン」よりご確認ください。

    タイムテーブル

    第1部:データサイエンス入門
    10:00~10:15
      オープニング、ハンズオン環境確認
    10:15〜11:00
      データサイエンスと機械学習、機械学習アルゴリズムの分類
    第2部:回帰分析
    11:00~12:00
      誤差関数(最小二乗法)による回帰分析
    12:00〜13:00
      昼食
    13:00~14:00
      最尤推定(さいゆうすいてい)による回帰分析
    14:00~14:30
      ハンズオン+休憩
    第3部:線形判別法
    14:30~16:00
      パーセプトロン、ロジスティック回帰、学習モデルの評価(ROC曲線)
    16:00〜16:30
      ハンズオン+休憩
    第4部:教師なし学習
    16:30〜17:30
      k平均法によるクラスタリング、混合分布とEM法によるクラスタリング
    17:30〜18:00
      ハンズオン+休憩、クロージング

    留意事項