2023年度 AI/機械学習講習会（PC実習あり）基礎編［予定プログラム］
［講習時間］13:30～17:00
［予定プログラム］
■基礎編 入門編をふまえ、より実践的なハンズオン（PC実習）を中心に学びます。
※なお「入門編」プログラム詳細は こちら。
-
- 「入門編」のふりかえり
– 学習法による機械学習手法の分類
– 課題設定による機械学習手法の分類
– クイックツアーの振り返り
-
- scikit-learnを知ろう
2.1 scikit-learnの構成
2.2 機械学習アルゴリズム
2.3 機械学習を支えるツール
-
- ハンズオン
3.1 データ
– データセットの紹介
– [ハンズオン] Datasetのロード
3.2 前処理
– 正規化・標準化
– データ分割
– 過学習とは
– APIの説明
– [ハンズオン] データ分割・標準化
3.3 回帰
– 予測結果の可視化
– 回帰問題のメトリクス
– [ハンズオン] 回帰問題
– 過学習と罰則付き回帰
– [ハンズオン] 罰則付き回帰モデル
3.4 分類
– 予測結果の可視化
– 判別問題のメトリクス
– 混同行列（Confusion Matrix）
– Accuracy (正解率), Precision(適合率), Recall(再現率), F値
– 複数ラベルのメトリクス：全体の評価
– ROC曲線
– [ハンズオン] 分類問題とメトリクスの出力
3.5 交差検証
– 交差検証とは
– K-fold 交差検証
– Leave-P-out 交差検証
– [ハンズオン] 交差検証
3.6 クラスタリング
– 階層的手法
– 非階層的手法
– Iris データセット
– クラスタリングのメトリクス
– [ハンズオン] クラスタリング
3.7 次元削減
– 次元削減 PCA
– [ハンズオン] 次元削減
3.8 ハイパーパラメータ最適化
– ハイパーパラメータ最適化
– グリッドサーチ
– パラメータ探索の使い方
– [ハンズオン] SVCのグリッドサーチ
——————————
トピック ライセンスについて
– scikit-learn
– Anaconda/Miniconda