Jan
7
初学者のための機械学習入門 #3(01/07)
ランダムフォレスト、アンサンブル学習、評価指標、クラスタリングなど機械学習の基礎を学びます。
Organizing : mshinoda88
Registration info |
前払い枠 ¥3000 (Pre-pay)
FCFS
管理枠 Free
FCFS
|
---|---|
About Prepayment |
About Prepayment Contact Info: (Only shown to attendees.) |
Cancel/Refund Policy: やむを得ずキャンセルされる場合は、イベント開始3日前まで参加費用の払い戻しをします。また返金処理は全員のイベント参加・不参加が確定したイベント終了後となります。 当日、前日キャンセル:100%返金なし 2日以前キャンセル:50%返金(Paypal手数料を除く) 3日以前キャンセル:全額返金(Paypal手数料を除く) |
|
Print receipt data: 発行する (詳しくはこちら) |
Description
内容概要
データサイエンスを基本から学びたい方のための基礎講座。
今回は回帰分析、決定木、ランダムフォレストについて基礎から学びましょう。
開催時間
受付:19:30〜19:40
講義:19:40〜21:00
詳細アジェンダ
〇扱う内容
今回は回帰分析、決定木、ランダムフォレストやアンサンブル学習について学び、
機械学習の評価指標などモデリングの基礎的な知識の整理を行います。
<第一回>:機械学習概論
1. 機械学習概論
・機械学習の基礎、歴史
・AIの分類
・AIの歴史
・教師あり学習と教師なし学習
<第二回>:回帰分析と決定木
2. 単回帰分析
最小二乗法、回帰係数と共分散
決定係数、寄与率、相関係数
3. 重回帰分析
調整済み決定係数、t値とp値
Python による重回帰分析
4. 決定木
決定木とは、不純度の考え方
交差エントロピー、ジニ係数
決定木の手法、決定木と剪定
剪定・枝切りを行わない場合の問題点
<第三回>:アンサンブル学習と評価指標 ←今回の範囲となります。
5. アンサンブル学習
バギングとブースティング
ランダムフォレスト
6. 機械学習の評価指標
ROCとAUC、Confusion Matrix
ROC曲線をプロット
AUCの考え方
7. クラスタリング
8. 分類
※
詳細は一部変更となる可能性があります。
進められるところまで進めます。
会場
有楽町 交通会館 6F GoodOffice
https://www.kotsukaikan.co.jp/clinic_service/service/6416/
対象者
・非エンジニアだけど、簡単なデータ分析ができるようになりたい方
・Python の使い方を一通り学習し終えた方
・機械学習の主な手法について勉強したい方
当日のお持物
・ノートパソコン必須。
・以下の slack に登録して、PC上のChromeブラウザで表示できることを事前確認してきてください。
講師プロフィール
阪大大学院数学専攻卒。大阪府出身。
C、C++、Java、Perl、PHP、Ruby、Python、R、bash を操る公共系インフラエンジニア、フロントエンジニア
を経て、医療系クラウドサービスを展開。医療系システムコンサルタント等を経てAIベンチャーにて
データサイエンティスト。
大手から中小まで数多くのシステム開発プロジェクトで開発統括、プロマネを経験。
基盤設計、統計学、機械学習、深層学習、組織論、リーダーシップ論、心理学、事業戦略論等をテーマに、
社内外で講師の経験多数。
領収書の発行について
前払いの領収書につきまして、PayPalもしくはconnpassで自動発行される領収書をご利用ください。
当日払い又は別途領収書をご希望の場合は、発行手数料は2,000円(税込)となります。ご了承ください。
Presenter
Media View all Media
If you add event media, up to 3 items will be shown here.