化学品の市場調査、研究開発の支援、マーケット情報の出版

比較的に読みやすく、覚えやすいとされるPythonの基礎を理解した上で、機械学習の実装(ディープラーニング)への活用までを実習を通じて学んでいく!

R&D支援センターセミナー

       開催日時:2017年10月26日(木)10:30~16:30
       会  場:江東区産業会館 第5展示室  → 会場へのアクセス 
       参 加 費:49,980円(税込、昼食・資料付)

講 師

 愛知県立大学 情報科学部 情報科学科 教授 博士(工学) 小林邦和 氏

<専門>
 人工知能,知能ロボティクス

<略歴・活動など>
 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。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)。
 米国電気電子学会、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。
 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)や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)などを歴任。現在、Journal of Robotics、 Networking and Artificial Life編集委員(2014年~)、RoboCup Soccer Standard Platform League組織委員会委員(2015年~)、ロボカップ2017名古屋世界大会競技専門部会委員(2016年~)、電気学会システム技術委員会1号委員(2017年~)などを務める。

<受賞>
 ANNIE1994 Best Paper Award(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 テクニカルチャレンジ第1位(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)

定 員

 30名

持参品

 Python 3.xをインストールしたノートPC

受講対象・レベル

 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引き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、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の経験や知識のある方が望ましいです。

習得できる知識

 1)Pythonの基本的なコーディング方法
 2)Pythonの各種ライブラリの活用方法
 3)代表的な機械学習(教師あり学習,教師なし学習)の基礎理論
 4)Pythonによる機械学習アルゴリズムの実装方法
 5)機械学習によるデータ処理・分析・可視化方法

プログラム

1.はじめに

2.演習環境の構築
 2-1 Pythonのインストール
 2-2 各種ライブラリ(NumPy,SciPy,matplotlib,IPython,pandas,mglearn,scikit-learn)のインストール

3.Python入門講座
 3-1 Pythonの特徴
 3-2 Pythonのコーディング方法
 3-3 各種ライブラリの使い方
 3-4 サンプルコードを用いた実践演習

4.教師あり学習
 4-1 概要
 4-2 クラス分類
 4-3 回帰
 4-4 汎化と過剰適合
 4-5 k-最近傍法
 4-6 線形モデル
 4-7 ナイーブベイズ分類器
 4-8 決定木
 4-9 サポートベクトルマシン
 4-10 ニューラルネットワーク

5.教師なし学習
 5-1 概要
 5-2 前処理
 5-3 スケール変換
 5-4 次元削減
 5-5 特徴量抽出
 5-6 k-means法
 5-7 凝集型クラスタリング
 5-8 DBSCAN

6.まとめ

7.質疑応答・名刺交換
 

 
【注意事項】
 本セミナーでは、演習を行いますので、以下の条件を満たしたノートパソコンを持参して下さい。
 1) プラットフォームは、Windows、Linux、MacOSを問いません。
 2) 可能であれば、事前にPython 3.xをインストールしておいて下さい。インストーラとしては、Anacondaを推奨します。
 3) 可能であれば、事前に各種ライブラリ(NumPy、SciPy、matplotlib、IPython、pandas、mglearn、scikit-learn)をインストールしておいて下さい。
 4) 演習で使用するライブラリは、USBメモリで準備しておきますが、万が一に備えて、ノートパソコンは無線LAN機能を搭載したものを推奨します。