製造業関連情報総合ポータルサイト@engineer
WEB営業力強化支援サービスのご案内
製造業のための技術系セミナー/書籍/通信教育/雑誌
技術情報協会はセミナー・出版・通信教育を通じて企業の最前線に立つ研究者、技術者をサポートします!
イベント

【Live配信 or アーカイブ配信】機械学習モデルの性能最大化とハイパーパラメータのチューニング

  • このエントリーをはてなブックマークに追加
  • @engineer記事クリップに登録
化学・エレクトロニクス:セミナー 医薬品/医療機器・材料/食品/化粧品:セミナー  / 2024年07月09日 /  医療・バイオ 化学・樹脂 試験・分析・測定
イベント名 機械学習モデルの性能最大化とハイパーパラメータのチューニング
開催期間 2024年08月26日(月)
■Live配信日時: 2024年8月26日(月)13:00~17:00 13:00~17:00
■アーカイブ配信日程:2024年9月4日(水)まで申込み受付
(視聴期間:9月4日~9月14日)アーカイブ配信(視聴期間:9/4~9/14)
会場名 【Live配信受講】もしくは【アーカイブ配信受講】いずれかのみ
会場の住所 オンライン※会場での講義は行いません
お申し込み期限日 2024年08月23日(金)15時
お申し込み

 <セミナー No.408114(Live配信)>
 <セミナー No.409161(アーカイブ配信)>

 

機械学習モデルの性能最大化と

ハイパーパラメータのチューニング

 【Live配信 or アーカイブ配信】

 

☆具体的な解決方法が学べる!実務で使えるスキルが身につく!
☆ Optuna(Python)を用いた、最適な設定を見つけるための手順とポイント

----------------------------------------------------------------------------------
■講師
大阪大学 産業科学研究所 知能アーキテクチャ研究分野 准教授 博士 (情報科学) 福井 健一 氏
■聴講料
1名につき55,000円(消費税込/資料付き)
1社2名以上同時申込の場合のみ1名につき49,500円(税込)
大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。
■Live配信セミナーの受講について
・本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
・下記リンクから視聴環境を確認の上、お申し込みください。
 → https://zoom.us/test
・開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
 セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
・Zoomクライアントは最新版にアップデートして使用してください。
・パソコンの他にタブレット、スマートフォンでも視聴できます。
・セミナー配布資料は印刷物を郵送いたします。
・当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。
  複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
 万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
■配布資料について
Live配信の開催前日(アーカイブ配信の場合は配信開始日)までにお送りいたします。

 

プログラム                           
【講座主旨】
昨今、ディープラーニングを代表とするデータに基づく機械学習が、産業界の様々な領域に導入されています。しかし、実用化に際してはいくつかの主要な課題が存在します。具体的には、過学習を抑えて未知データに対する汎化性能を向上させる方法、重要な特徴量の選別、そして学習では直接最適化が難しいハイパーパラメータの調整が挙げられます。本セミナーでは、これらの課題に対する代表的な対応策と、それらのPythonによる実装方法について丁寧に解説します。参加者は、理論的な背景に加え、実際のコードを通じて具体的な解決方法を学び、機械学習の実務において使えるスキルを習得することを目指します。


【講座内容】
1.過学習の抑制
 1.1 ロジスティック回帰
 1.2 L1/L2正則化
 1.3 ディープラーニングにおける過学習の抑制
  a.DropOut法
  b.Batch Normalization法
 1.4 L1/L2正則化の比較(Python実装解説)
2.特徴選択
 2.1 逐次特徴選択
 2.2 モデルベース特徴選択
  a.L1正則化による特徴選択
  b.決定木学習/Random Forestに基づく特徴選択
 2.3 各種特徴選択の比較(Python実装解説)
3.ハイパーパラメータ最適化
 3.1 サポートベクトルマシン
 3.2 ハイパーパラメータ最適化問題
a. ランダムサーチ
  b. グリッドサーチ
c. ブラックボックス最適化
3.3 クロスバリデーションによる評価
3.4 Optunaによるハイパーパラメータ最適化(Python実装解説)
【質疑応答】

---------------------------------------------

講師経歴
2005年?2010年3月 大阪大学 産業科学研究所 新産業創造物質基盤技術研究センター 特任助手 (職名改名により2007年より特任助教)
2010年3月 大阪大学 大学院 情報科学研究科より 博士 (情報科学) 取得
2010年4月~2015年6月 大阪大学 産業科学研究所 第1研究部門 (情報・量子科学系) 助教
2015年7月~ 大阪大学 産業科学研究所 知能アーキテクチャ研究分野 准教授

学協会
2011年度~2014年度 情報処理学会 論文誌編集委員
2014年度~2017年度 人工知能学会編集委員
2015年度~ 情報処理学会論文誌:数理モデル化と応用 (TOM) 編集委員
2017年度~ 電子情報通信学会人工知能と知識処理研究専門委員会委員
2017年度~ 電子情報通信学会和文論文誌D 編集委員


セミナーの詳細についてお気軽にお問い合わせください。
「2名以上同時にお申込される場合、2人目以降の方の情報は【弊社への連絡事項がございましたら、こちらにお書きください】欄にご入力をお願いいたします」

サイト内検索
セミナー・書籍新着情報
カテゴリー別
技術情報協会アーカイブ