製品・技術

3/10開講【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）【各講 ZoomでのQ&A付】

電気・電子・半導体・通信 ICT・情報処理 / 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）【各講 ZoomでのQ&A付】

～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】
（（（部署・部門など複数人での多くのご受講も歓迎します）））

■オンライン(Zoom)による演習問題の解説補足と、

講師にその場で聞けるＱ＆Ａコーナーも実施します■

※各講の演習問題添削を返却後、30分程度、Ｚｏｏｍにて演習問題の解説とその場で聞けるＱ＆Ａを予定しています。

（※任意ですがぜひQ&Aコーナーにもご参加ください。アーカイブも行いますので、見逃し・復習もできます。）
　→　第１回：2025年6月上旬予定 30分程度　（演習問題の解説補足とQ&Aコーナー）
　→　第２回：2025年7月上旬予定 30分程度　（演習問題の解説補足とQ&Aコーナー）
　→　第３回：2025年8月上旬予定 30分程度　（演習問題の解説補足とQ&Aコーナー）

※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】

　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として習得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。

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、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（1章）、線形モデル（2章）、サポートベクトルマシン（3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。まず教師なし学習の概要について説明する。次に、教師なし学習の手法として、次元削減（1章）とクラスタリング（2章）について説明する。その後、機械学習を適用する際に、重要な事項（3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。

＜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。

開講日

2025年3月10日 (月)

講座回数

3回コース（2025年3月10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

[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( S&T会員受講料 19,855円)の

　金額追加で受講可能です

スケジュール

3月10日	第1講開講(テキスト到着予定)
	↓
4月10日	第1講演習問題解答提出締切
4月10日	第2講開講(テキスト到着予定)
	↓
5月15日	第2講演習問題解答提出締切
5月15日	第3講開講(テキスト到着予定)
	↓
6月16日	第3講演習問題解答提出締切
	↓
7月下旬	修了証発行

受講条件

(１) PC の環境が必須です。
・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。
・演習問題解答用紙、模範解答、修了証などの各種データは、Word、Excel、PDF などを使用します。

(２) 受講者全員のS&T 会員登録が必須です。
・通信講座の受講では弊社S&T 会員「マイページ」機能を使用します。

（ebook版テキストのダウンロード(bookend使用)、演習問題解答用紙など各種データのダウンロード、講師への質問など）

【会員価格（5%OFF）適用条件】
　・弊社案内（E-MailまたはDM）希望の場合のみ適用します。
　・複数名のお申込みは、受講者全員の案内希望チェックが必須です。
　・弊社案内を希望されない方は、S&T 会員登録の際に案内方法欄のチェックを外してください。

教材

■製本版テキスト： 各受講者１冊
・複数お申込みで同一住所の場合：代表者にまとめて送付
・複数お申込みで異なる住所の場合：各々に送付
・各開講日の2営業日前に発送
（第1講開講日の2営業日前15：00以降の申込み：開講日1営業日前の発送予定）
（第1講開講日の当日15：00までの申込み：開講日当日の発送予定）
（第1講開講日の当日15：00以降の申込み：開講日翌営業日の発送予定）

■ebook版テキスト： 各開講日「開講通知メール」受信後、ebook版でも閲覧可能です（閲覧必須ではありません）
会社のPCだけでなく私物のタブレットやスマートフォンでも学習が可能です。
ebook版のダウンロードおよびWebブラウザ閲覧は、S&T会員「マイページ」内で行います

◆ダウンロード（オフライン閲覧）
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）
[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）

◆Webブラウザ（オンライン閲覧）
[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）

■演習問題の解答用紙： 各開講日「開講通知メール」受信後、S&T会員「マイページ」内でダウンロードいただけます　　

■演習問題の解答例：各講「添削返却メール」受信後、S&T会員「マイページ」内でダウンロードいただけます
あわせて「講師添削後の解答用紙」を返却いたします
最終講「添削返却・修了メール」では、一定基準をクリアした方に「修了証」を発行します

※製本版、ebook版は同様の内容です(講座により異なる場合あり)
※本講座の映像視聴配信はありません
※自主学習形式となります。

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か月間を目安に学習を進めてください（自主学習形式）。

□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。

お申込み後、お申込み受理の自動返信メールが届きます（申込期日：開講日当日まで）。
　　　　　　　　　⇓
◇請求書
受講代表者（受講者1または申込入力者）に、当社でのお申込み受理後3営業日以内にE-mailにてご案内いたします。
S&T会員マイページからダウンロードください。
請求書到着後1か月以内にお支払いください（銀行振込）。

【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

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所員）

【経歴】
山口大学工学部助手，同助教，愛知県立大学情報科学部准教授を経て，2017年4月より現職，同時に愛知県立大学次世代ロボット研究所副所長を兼務．この間，ヒューストン大学工学部医用生体工学科客員研究員を兼任．博士（工学）．

【専門】
機械学習（人工知能），知能ロボティクス

【所属学会】
米国電気電子学会(IEEE)，電子情報通信学会，電気学会，人工知能学会，計測自動制御学会，ロボカップ日本委員会の各会員．

【学会活動】
電気学会技術シーズ創出に向けた機械学習協同研究委員会委員長(2012～2014年)，電気学会学習アルゴリズムの高度化を指向した機械学習技術協同研究委員会委員長(2014～2016年)，ICAROB国際プログラム委員会委員(2014～2019年)などを歴任．
現在，Journal of Robotics, Networking and Artificial Life編集委員(2014年～)，電気学会論文誌特集号編修小委員会委員(2014年～)，電気学会システム技術委員会1号委員(2017年～)，ICAROB国際組織委員会委員(2019年～)，あいちロボカップAP2020開催委員会競技専門部会部会員(2019年～)，ロボカップ日本委員会理事(2019年～)などを務める．

【受賞】
ANNIE最優秀論文賞(1994年)，ロボカップジャパンオープン小型ロボット車輪型優勝(2013年)，ロボカップ研究賞(2014，2015年)，ロボカップ・ジャパンオープンサッカー標準プラットフォームリーグ優勝(2014，2015，2018年)，同準優勝(2016，2017年)，電気学会電子・情報・システム部門大会企画賞(2016年)，ロボカップ世界大会サッカー標準プラットフォームリーグチャレンジシールド部門優勝(2017年)，同第3位(2018年)，人工知能学会賞(2018年)など．

【講師WebSite】
http://www.ist.aichi-pu.ac.jp/~koba/

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

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として習得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として習得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、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（1章）、線形モデル（2章）、サポートベクトルマシン（3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．k最近傍法
　1.1 クラス分類への適用
　1.2 回帰への適用
　1.3 k最近傍法の特徴

２．線形モデル
　2.1 回帰への適用
　2.2 クラス分類への適用
　2.3 線形モデルの特徴

３．サポートベクトルマシン
　3.1 線形モデル
　3.2 非線形モデル
　3.3 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として習得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。次に、教師なし学習の手法として、次元削減（1章）とクラスタリング（2章）について説明する。その後、機械学習を適用する際に、重要な事項（3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。

【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 □