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

12/5開講　≪解説動画で学ぶeラーニング講座≫Python線形代数基礎と機械学習への応用

  • 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
医薬品・臨床開発・開発薬事・製販後 医薬品・創薬・毒性・薬物動態・薬理  /  医療・バイオ

≪解説動画で学ぶeラーニング≫

Pythonを使って理解する

線形代数基礎と機械学習への応用

第3期受講（2023年12月5日開講）

 

eラーニングスタートキャンペーン実施中
通常1口3名までのところ、1口4名まで参加OK！
 
  eラーニング講座「機械学習数学」の特徴  
●機械学習を扱う上で必要な数学的知識をPythonを通して学ぶことができます。
●数学の基礎から機械学習までを段階的に解説するので、初心者でも理解することができます。
●演習問題を通して、数学の基礎からPythonを使った数学的表現方法や機械学習のテクニックが身に付きます。
●解説動画は何度でも視聴可能なので、納得いくまで学習できます。
●分からないところがあれば講師に直接質問することができます。
 
- - - - 線形代数から始めるPythonを使った機械学習入門講座 - - - -
　ChatGPTに代表されるようにAI技術の発展は凄まじく、AI技術(機械学習)を活用する企業も増えています。しかし一方で、機械学習を学ぼうと思っても高等数学の知識が必要だったり、機械学習に必要な判別方法が難しすぎて理解できないといったことはないでしょうか。

　これからの時代についていくためにも、機械学習の基本を身につけておくことは重要です。本講座では、機械学習に必要な高等数学(線形代数)からPythonを使った数学的表現方法と、それらを用いた機械学習の判別方法について学びます。

　各講に演習問題がついていますので、しっかりと知識を定着させながら学ぶことができます。これから機械学習を学ぼうと考えている方、学んでみたがいまいち理解できなかった方に特におすすめの内容となっています。

□講座内容  　(映像時間:約5時間)
第1部　『Pythonを使って理解する機械学習のための数学基礎～初級編～』
　★演習問題「線形代数の復習、Pythonを使った数学的表現方法」

第2部　『Pythonを使って理解する機械学習のための数学基礎～中級編～』
　★演習問題「ラグランジュ関数、ロジスティクス回帰モデル」

第3部　『Pythonと数学知識を使った機械学習への応用～教師あり/教師なし学習～』
　★演習問題「線形判別、サポートベクターマシン、K-meansクラスタリング」
※講師による添削付き

 

開講日 2023年12月5日 (火)

講座講数・期間

【第3期受講】　

①解説動画視聴期間：2023年12月5日(火)～2024年4月5日(金)　

②演習問題提出期限：2024年2月5日(月)　

③講師への質問期限：2024年4月5日(金)

1口の受講者数

1口4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円 )

　定価：本体57,000円＋税5,700円

　会員：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円 )

　　定価：本体32,000円＋税3,200円
　　会員：本体30,400円＋税3,040円

[5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15,675円( E-Mail案内登録価格 14,891円 )の金額追加で受講可能です

 

上記は、「eラーニングスタートキャンペーン」価格になります。
キャンペーン：1口4名　⇐　通常：1口3名

 
スケジュール

 

 ●受講開始日
　2023年12月5日 (火)
　　　　受講者専用ページは開講日よりご利用いただけます。

●解答用紙：ご提出期限
　2024年2月5日 (月)

○添削のご返却日
　2024年3月上旬
　ある一定の基準をクリアした方には『修了証』を発行いたします。

○講師への質問
　2024年4月5日 (金)まで

●在籍期間
　2024年4月5日 (金)まで
　　※解説映像は在籍期間中のみ閲覧することができます。 

　　　

  講座番号 受講開始日
（開講日）		 動画視聴期間 解答用紙
提出期限		 講師への
質問期限		 在籍期間
第1期受講 EL230632 2023/6/5 2023/6/5～
2023/10/5		 2023/8/7 2023/10/5 2023/6/5～
2023/10/5
第2期受講 EL230932 2023/9/5 2023/9/5～
2024/1/5		 2023/11/6 2024/1/5 2023/9/5～
2024/1/5
第3期受講 EL231232 2023/12/5 2023/12/5～
2024/4/5		 2024/2/5 2024/4/5 2023/12/5～
2024/4/5










 

 
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, PDF などの

　データを使用いたします（講座により異なる）。

(２) 受講者全員のS&T 会員登録が必須です。
【E-Mail案内登録価格5%OFFは、受講者全員がE-MailまたはDM案内希望の場合のみ適用】
・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（無料）を利用します。
　※弊社案内(E-Mail,DM)を希望されない方はS&T 会員登録の際、案内方法欄のチェックを外してください。なお、案内希望チェックがない場合、E-Mail案内登録価格(5%OFF)は適用できません。

 
教材

■解説動画　　　： 講演映像
　　　　　　　　・映像時間 各テーマ約1～1.5時間　合計 約4時間
　　　　　　　　・開講日よりご視聴いただけます
　
■テキスト資料　： PDFスライドデータ(プリントアウト可、編集不可)
　　　　　　　　　・ebook版テキストはございません。

■演習問題の解答用紙　　： ExcelまたはWord

■演習問題の模範解答　： PDF(プリントアウト可、編集不可)
　「添削返却・修了メール」受信後、ダウンロードいただけます。
　あわせて「添削後の解答用紙」を返却し、

　一定基準をクリアした方に「修了証」を発行します。　
備考

□学習の目安
　開講日から2か月が学習の目安になります。
□演習問題

　全3回ごとに演習問題が付いています。
　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。
お申込み
詳細・お申込みはこちら

 

  

講師

 

 (株)メドインフォ  代表取締役
嵜山 陽二郎 氏　≫【講師紹介】

■専門
医療統計学、薬物動態学、データマイニング、機械学習
■執筆など
薬効薬理非線形モデリング
　（Sakiyama Y.et al. Nippon Yakurigaku Zasshi 2008, 132: 199-206.）
機械学習による薬物動態予測
　（Sakiyama Y.et al. Expert Opinion of Drug Metabolism and Toxicology, 2009, 5: 149-169.）

 

プログラム

 

第1部 Pythonを使って理解する機械学習のための数学基礎～初級編～ 

＜趣旨＞
　機械学習は、RやPythonなどのソフトを使って実行することは可能ですが、その中身を理解するためには数学的知識が必要不可欠です。線形代数を扱う講座は多いですが本講座ではPythonを使って解説するところがオリジナルな点です。Pythonのプログラミングを通じて、初級編では機械学習を理解する上での基礎知識、行列の計算などを中心に、数学が苦手な方にもわかりやすく解説します。

＜プログラム＞

１．序論：ロードマップ
　　（１）機械学習の基礎
　　（２）なぜ数学が機械学習に必要か
　　（３）数学⇒機械学習へのロードマップ
　　（４）機械学習とオブジェクト指向

２．線形代数：ベクトル
　　（１）ベクトルの基礎
　　（２）ベクトルの内積
　　（３）ベクトルのノルム

３．線形代数：行列
　　（１）行列の基礎
　　（２）行列の積
　　（３）逆行列
　　（４）行列と連立方程式
　　（５）行列と写像
　　（６）線形結合と二次形式

４．指数関数と対数関数
　　（１）指数と対数
　　（２）指数関数の微分
　　（３）対数関数の微分
　　（４）シグモイド関数
　　（５）ソフトマックス関数
　　（６）ガウス関数

■演習問題
　・線形代数の復習、Pythonを使った数学的表現方法
​　（講師添削あり） 
 
第2部 Pythonを使って理解する機械学習のための数学基礎～中級編～

＜趣旨＞
　中級編は、大学で習う数学の知識レベルと位置付けるとよいでしょう。特に偏微分は高校では習わないですが、機械学習では大変重要になります。また、機械学習では回帰と分類の概念が重要で、これらについて数学的基礎を固めることが大切です。ここでもPythonを使ってわかりやすく解説します。 

＜プログラム＞
１．微分
　　（１）微分の基礎
　　（２）微分係数
　　（３）勾配を図で表す
　　（４）導関数と微分

２．偏微分の基礎
　　（１）偏微分とは
　　（２）多変数関数の偏微分
　　（３）合成関数の偏微分

３．偏微分応用
　　（１）目的関数の偏微分
　　（２）最急勾配降下法
　　（３）ラグランジュの未定乗数法

４．教師あり学習：回帰
　　（１）直線モデル
　　（２）直線モデルパラメータの解析
　　（３）面モデル
　　（４）面モデルパラメータの解析
　　（５）D次元線形回帰モデル
　　（６）線形基底関数モデル
　　（７）オーバーフィッティング
　　（８）モデルの選択

５．教師あり学習：分類
　　（１）クラス分類
　　（２）ロジスティック回帰モデル
　　（３）最尤推定法
　　（４）面モデルパラメータの解析
　　（５）交差エントロピー誤差
　　（６）勾配法による解

■演習問題
　・ラグランジュ関数、ロジスティクス回帰モデル
​　（講師添削あり） 

 

第3部 Pythonと数学知識を使った機械学習への応用～教師あり/教師なし学習～

＜趣旨＞
　第1部と第2部で学習した内容を踏まえ、実際の機械学習への応用を試みます。機械学習に分類されるアルゴリズムは非常に多岐にわたっていますが、その中でも教師あり学習の代表的なものとして、線形判別、サポートベクターマシン、ニューラルネットワークについて解説します。また、機械学習では入力情報だけを扱う教師なし学習も重要で、ここでは主成分分析とK-meansクラスタリングを解説します。
＜プログラム＞
１．線形判別
　　（１）分類問題
　　（２）線形分離
　　（３）Fisherの線形判別分析

２．カーネル法
　　（１）一般関数の線形和
　　（２）ガウス関数による近似
　　（３）カーネル関数
　　（４）正則化

３．サポートベクターマシン
　　（１）サポートベクターマシン基礎
　　（２）マージン最大化・ソフトマージン
　　（３）高次元空間への写像
　　（４）Pythonによるサポートベクターマシンの実行

４．ニューラルネットワーク
　　（１）ニューロンモデル
　　（２）多層ニューラルネットワーク
　　（３）数値微分法
　　（４）誤差逆伝播法

５．教師なし学習
　　（１）標準化
　　（２）回転行列による回転
　　（３）主成分分析
　　（４）固有値問題
　　（５）K-meansクラスタリング
　　（６）Pythonによる教師なし学習の実行

■演習問題
　・線形判別、サポートベクターマシン、K-meansクラスタリング
　（講師添削あり）

 

※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。
 

詳細・お申込みは以下、遷移先WEBサイトからご確認ください。

詳細目次・お申込みはこちら

 

 

 

このページに関するお問い合わせ
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