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