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
研究・技術・事業開発のためのセミナー/書籍 サイエンス&テクノロジー
製品・技術

【通信講座】Pythonの入門講座と 機械学習(教師あり学習、教師なし学習)

  • 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
電気・電子・半導体・通信 ICT・情報処理  /  ロボット IT・情報通信 先端技術

 【通信講座】

Pythonの入門講座と
機械学習(教師あり学習、教師なし学習)

~環境構築(インストール・実行方法・ライブラリの使い方)から

Pythonを用いた演習で理解する!~
【所属業界は特に関係ありません。 Pythonを学びたい方、機械学習・深層学習へ】

 

 

※機械学習の理論説明に留まらず、Pythonを用いた演習を通して機械学習を使える技術にできるように工夫されています。
 例えば、演習問題では、、、、「~~~簡潔に説明して下さい。」
「~~~計算した実行結果を示して下さい。」「~~~グラフを描画して下さい。」
「~~~プロットを描き、その図から分かる事実を述べて下さい。」など、
実践的な演習でしっかり学んでいただきます。
 

第1講【機械学習とPythonの基礎】

 第1講では、まず1章で機械学習の概要について説明する。その後、2章でPythonの基礎について学び、3章では第2講、及び第3講で実施する機械学習の各手法の演習に備えて、
演習環境の構築を行う。

第2講【教師あり学習】
 第2講では、機械学習の三大学習(教師あり学習、教師なし学習、強化学習)の中で、
教師あり学習を取り上げ、理論と演習を通して、理解を深めていく。まず1章で、
教師あり学習の概要について説明する。その後、教師あり学習の手法として、
k最近傍法(2章)、線形モデル(3章)、サポートベクトルマシン(4章)の3つを取り上げ、
解説する。同時に、Pythonを用いた演習を通して、理解を深める。

第3講【教師なし学習】

 第3講では、機械学習の三大学習(教師あり学習、教師なし学習、強化学習)の中で、

教師なし学習を取り上げ、理論と演習を通して、理解を深めていく。

まず1章で、教師なし学習の概要について説明する。その後、教師なし学習の手法として、

主成分分析(2章)、k平均法(3章)、凝集型クラスタリング(4章)、DBSCAN(5章)の

4つを取り挙げ解説する。さらに、データの前処理(6章)やデータの読み込み(7章)

について説明する。同時に、Pythonを用いた演習を通して、理解を深める。

 

 

開講日 2021年3月9日 (火) 

講座回数

3回コース(2021年3月9日~7月下旬)

1口の受講者数

1口3名まで受講可能

受講料(税込
 
1口 62,700円 (E-Mail案内登録価格59,565

 定価:本体57,000円+税5,700円

 E-Mail案内登録価格:本体54,150円+税5,415円

 

[1名受講も可能です]
 35,200円 (E-Mail案内登録価格33,440 )

 定価:本体32,000円+税3,200円
 E-Mail案内登録価格:本体30,400円+税3,040円


[4名以上は、1口1人あたりの金額追加で受講可能です]
 1人あたり20,900円( E-Mail案内登録価格19,855)の

 金額追加で受講可能です

 

スケジュール

 

3月9日(予定) 第1講 開講(テキスト到着予定)
 
4月9日(予定) 第1講 演習問題解答提出締切
第2講 開講(テキスト到着予定)
 
5月17日(予定) 第2講 演習問題解答提出締切
第3講 開講(テキスト到着予定) 
 
6月17日(予定) 第3講 演習問題解答提出締切
 
7月21日(予定) 修了証発行

 

受講条件

(1) PC の環境は必須です。
・通信講座の進行上の連絡はE-Mail で行います。

 本人の個別E-Mail アドレスをご用意ください。

・教材データ、演習問題解答用紙は、Word,Excel, PowerPoint,PDF などの

 データを使用いたします。

(2) 受講者全員のS&T 会員登録は必須です。
・通信講座の受講にあたってのテキストebook および教材データのダウンロード、

 講師への質問、修了証発行などに弊社S&T 会員マイページ機能を利用します。


※お申し込み後、サイエンス&テクノロジーより会員登録のご案内を差し上げます。 

教材

テキスト:各受講者1冊、Excelデータ(演習使用)
ebook版:各受講者の閲覧可能PC数 2台/1アカウント(
同一アカウントに限る)

※テキストは、製本版の他に、ebookでも閲覧可能です。1人2台まで閲覧可能で会社のPCだけでなく通勤途中でもアプリから私物のタブレットでも学習できます。

 

※ebook版のダウンロードは、弊社S&T会員「マイページ」内で行います。
[対応デバイス] Win・Macの両OS、スマートフォン・読書端末(iPhone,iPadなど)
[フォーマット] PDF(コンテンツ保護のためアプリケーション

       「bookend」より閲覧)

備考

受講期間
 本講座の受講期間は、全3講の3か月間です。
 1講あたり1か月間が学習の目安になります。

演習問題
 演習問題の解答用紙が未提出の場合は、0点 扱いとなります。
 各講の平均をとり、ある一定の基準をクリアした方に「修了証」を発行します。

 

講師への質問
受講者全員で共有できるよう講師へのQ&Aは基本的に受講者マイページに匿名にて掲載いたします。全質問の講師の回答が閲覧でき、参考になります。

  

講師

 

愛知県立大学 情報科学部 教授 小林 邦和 氏
愛知県立大学 次世代ロボット研究所 副所長(兼任)

 

趣旨

 

 機械学習の専門書は、たくさん出版されていますが、理論と実践が揃って、はじめて現場で使える技術とになります。本通信講座では、機械学習の理論的側面のみに着目するのではなく、コンピュータを用いた実践演習を通して、理解を深めることで、機械学習を使える技術にできるように工夫されています。演習では、最近さまざまな分野で、注目を集めているコンピュータ言語Pythonと機械学習系ライブラリ(scikit-learn)を用いますので、Pythonの独習も行うことができます。同時に、各回の終了後には、演習問題を通して、理解の確認作業が行えます。

 本通信講座の受講対象者は、純粋に最近流行りのPythonを学びたい人から、業務でデータ処理・解析をしたい人まで、幅広い方を対象としています。特に、日々大量のデータを扱っていて、そのデータの山から知識を抽出したいと思っている方が最適な対象者となります。Pythonでコーディングした経験がない人も歓迎しますが、実践演習を通して学んでいきますので、他の言語によるプログラミングや、コンピュータ(アプリケーションソフトウェア)によるデータ処理の経験がある方が望ましいです。

 

プログラム

 

< 習 得 で き る 知 識 >
1.機械学習(教師あり学習、教師なし学習)の基礎理論
2.Pythonの基礎文法と基本的なコーディング方法
3.機械学習ライブラリscikit-learnを活用した機械学習アルゴリズムの実装方法
4.機械学習によるデータ処理・分析・可視化方法

 純粋に最近流行りのPythonを学びたい人から、業務でデータ処理・解析をしたい人まで、
幅広い方を対象としています。  特に、日々大量のデータを扱っていて、そのデータの山から知識を抽出したいと思っている方が最適な受講対象者となります。Pythonでコーディングした経験がない人も歓迎しますが、実践演習を通して学んでいきますので、他の言語によるプログラミングや、コンピュータ(アプリケーションソフトウェア)によるデータ処理の経験がある方が望ましいです。

  

第1講 機械学習とPythonの基礎
【趣旨】 
 本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術にできるように工夫されている。第1講では、まず1章で機械学習の概要について説明する。その後、2章でPythonの基礎について学び、3章では第2講、及び第3講で実施する機械学習の各手法の演習に備えて、演習環境の構築を行う。

【プログラム】
1.機械学習
 1.1 定義
 1.2 分類
  1.2.1 教師あり学習
  1.2.2 教師なし学習
  1.2.3 強化学習

2.Python
 2.1 概要
 2.2 どの言語を学ぶか
 2.3 Pythonの優位性
 2.4 Pythonのバージョン
 2.5 文法基礎
  2.5.1 変数
  2.5.2 データ型
  2.5.3 文字列
  2.5.4 リスト
  2.5.5 タプル
  2.5.6 辞書
  2.5.7 型変換
  2.5.8 多重代入
  2.5.9 ブロック
  2.5.10 コメント
  2.5.11 長文
  2.5.12 算術演算子
  2.5.13 複合演算子
  2.5.14 ビット演算子
  2.5.15 関係式
  2.5.16 論理式
  2.5.17 条件分岐
  2.5.18 繰り返し
  2.5.19 関数
  2.5.20 スコープ
  2.5.21 参考書

3.演習環境の構築
 3.1 概要
 3.2 インストール(Python)
 3.3 実行方法(Python)
 3.4 ライブラリの使い方
  3.4.1 インストール(外部ライブラリ)
  3.4.2 標準ライブラリ
  3.4.3 NumPy
  3.4.4 Matplotlib
  3.4.5 scikit-learn
 3.5 データセット


□ 演習問題・添削 □


 
第2講 教師あり学習
【趣旨】 
 本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術にできるように工夫されている。第2講では、機械学習の三大学習(教師あり学習、教師なし学習、強化学習)の中で、教師あり学習を取り上げ、理論と演習を通して、理解を深めていく。まず1章で、教師あり学習の概要について説明する。その後、教師あり学習の手法として、k最近傍法(2章)、線形モデル(3章)、サポートベクトルマシン(4章)の3つを取り上げ、解説する。同時に、Pythonを用いた演習を通して、理解を深める。

【プログラム】 
1.教師あり学習

2.k最近傍法
 2.1 クラス分類への適用
 2.2 回帰への適用
 2.3 k最近傍法の特徴

3.線形モデル
 3.1 回帰への適用
 3.2 クラス分類への適用
 3.3 線形モデルの特徴

4.サポートベクトルマシン
 4.1 線形モデル
 4.2 非線形モデル
 4.3 サポートベクトルマシンの特徴


□ 演習問題・添削 □


 
第3講 教師なし学習
【趣旨】
 本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術にできるように工夫されている。第3講では、機械学習の三大学習(教師あり学習、教師なし学習、強化学習)の中で、教師なし学習を取り上げ、理論と演習を通して、理解を深めていく。まず教師なし学習の概要について説明する。その後、教師なし学習の手法として、k平均法、凝集型クラスタリング、DBSCANを取り挙げ解説する。さらに、データの前処理やデータの読み込みについて説明する。同時に、Pythonを用いた演習を通して、理解を深める。
【プログラム】
1.次元削減

2.クラスタリング
 2.1 k平均法
 2.2 凝集型クラスタリング
 2.3 DBSCAN

3.実装上の注意事項
 3.1 データの前処理
 3.2 テスト誤差の最小化
 3.3 ハイパーパラメータの最適化
 3.4 実データの読み込み


□ 演習問題・添削 □
※内容・目次について、テキストと一部異なる箇所がある際はご了承くださいませ。
サイト内検索
ページカテゴリ一覧
新着ページ
月別ページ