Pythonによるアンサンブル学習の基礎と応用

株式会社　技術情報協会金森敬文氏 55,000円

★バギング、ランダムフォレスト、ブースティングの
　基本的な考え方からPythonによる実装例までやさしく解説します！

会場

講師

プログラム

特典

お知らせ

開催日時

2024/03/29 (金) 10:30～ 16:30 （受付 10:00 ～ )

他の開催日・開催場所（同じ都道府県内）で探す

申込み期間

2024/02/01 ～ 2024/03/28

主催会社

株式会社　技術情報協会

この主催会社の他の最新セミナーを見る

定員

定員数の上限はございません

受講料

55,000円 (税込／各種割引については下段「お知らせ」欄をご参照ください）

開講場所

・会場名：　ZOOMを利用したLive配信
・住所：　※会場での講義は行いません　
・交通アクセス：　

講師

金森敬文氏: 東京工業大学　情報理工学院　数理・計算科学系　教授

カリキュラム、
プログラム

【講演趣旨】
本講演では、アンサンブル学習とよばれるデータサイエンスの手法について学びます。アンサンブル学習とは比較的簡単な機械学習モデルを多数組み合わせることで、高い予測精度を達成する方法です。講演ではまずデータサイエンスの基礎から始め、次に機械学習において広く使われている決定木について紹介します。その後、決定木の性能を向上させるためのアンサンブル学習法について解説します。アンサンブル学習には多くの種類がありますが、バギング、ランダムフォレスト、ブースティングといった代表的な手法について、基本的な考え方から説明します。それぞれの手法について、プログラミング言語Pythonによる簡単な実装例を初歩から学んでいきます。

【講演項目】
1. 機械学習の紹介
　　1.1　応用例
　　1.2　統計的データ解析とランダム性
　　1.3　問題設定
　　1.4　機械学習とPython
　　1.5　Jupyter Notebook
　　1.6　機械学習のためのライブラリ

2. データサイエンスの問題設定
　　2.1　母集団とデータ・サンプリング
　　2.2　学習と予測

3. 決定木
　　3.1　決定木とは
　　3.2　決定木の学習
　　3.3　予測性能の評価・データへの過剰適合
　　3.4　決定木のためのモデル選択

4. アンサンブル学習
　　4.1　アンサンブル学習の考え方
　　4.2　さまざまなアンサンブル学習法

5. バギング
　　5.1　ブートストラップ
　　5.2　ブートストラップによるアンサンブル：判別分析
　　5.3　ブートストラップによるアンサンブル：回帰分析
　　5.4　コードと例

6. ランダムフォレスト
　　6.1　ランダムフォレストの学習法
　　6.2　ランダムフォレストによる特徴量評価
　　6.3　コードと例

7. ブースティング
　　7.1　ブースティングの考え方
　　7.2　決定木に対する勾配ブースティング
　　7.3　勾配ブースティング：回帰分析の場合
　　7.4　勾配ブースティング：多値判別の場合
　　7.5　回帰木による勾配方向の推定
　　7.6　勾配ブースティングのアルゴリズム
　　7.7　二値判別のためのブースティング法
　　7.8　コードと例

特典

セミナー資料付
各講で最後に質疑応答時間あり。

セミナー参加費
支払い方法

1. 銀行振込または現金書留にてお願いいたします。

2. 原則として開催日までにお願い致します。

3. 銀行振込の場合は、原則として領収証の発行は致しません。

4. 振り込み手数料はご負担ください。

お知らせ

●各種割引について
1. 同一テーマ1社2名以上同時申込の場合のみ、1名につき5,500円（税込）割引いたします。
2. 大学（教員、学生）、公的機関、医療機関の方は、「アカデミック価格」33,000円/1名（税込）でご参加いただけます。（2名同時申込割引は適用されません）

割引適用の場合は、お申し込み後、技術情報協会より確認のご連絡を差し上げます。

※申し込み人数が開催人数に満たない場合など，状況により中止させて頂く事が御座います。

●Live配信セミナーの受講について
・セミナー配布資料は印刷物を郵送いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。