清 雄一
電気通信大学大学院 情報理工学研究科 准教授
坂本 一憲
早稲田大学 グリーン・コンピューティング・システム研究機構 研究院客員准教授
小川 哲司
早稲田大学 理工学術院 基幹理工学部 情報通信学科 教授
機械学習
受講登録は終了しました
講座内容
早稲田大学を中心に35以上の大学、企業、業界団体による全国規模の産学連携ネットワークにより社会人教育プログラム「スマートエスイー」（ https://smartse.jp/ ）を2018年度から開講しています。
スマートエスイープログラムでは、IoT（Internet of Things; モノのインターネット）、ビッグデータ、人工知能（AI）を駆使してサイバー世界とフィジカル世界を融合させ、多様なニーズに応じて適応的にモノやサービスを提供可能な超スマート社会をリードするイノベーティブ人材を育成するために、19講座を実施しています。
この講座では、機械学習の理論を把握した上で、ツールを用いた教師あり・教師なし・半教師あり・強化学習、Pythonについて学びます。
なお、本講座以外にスマートエスイーでは実際のデバイスやデータを用いた演習、実習、議論について、オンラインでもご参加いただけるプログラムを用意しています。
約半年間、スマートエスイー教育プログラムを受講いただき、学びを深めていただければ幸いです。
コース履修は8月下旬、正規履修は12月に募集開始予定です。
https://smartse.jp/admission/
コース履修はフルオンデマンド化し、教材を用いての個人演習を用意しています。
一部の科目は演習をオンラインリアルタイム配信で指導いたします。
正規履修では、総合的チーム演習とマンツーマン指導の下で集大成としての価値創造を行う修了制作指導があります。
業務上の実課題の解決やDXを目指す方にもおすすめです。
Week1
第1回 Python言語の基礎
- 1-1 Python言語とは
- 1-2 変数・代入・数値計算
- 1-3 比較演算子・真偽値・ループ
- 1-4 条件分岐・関数
- 1-5 NumPyによる配列の処理
第2回 Python言語によるデータ分析の基礎
- 2-1 NumPyによる統計値の計算・列に対する演算
- 2-2 Matplotlibによる散布図の描画
- 2-3 pandasを使った統計値の分析
Week2
第3回 教師あり学習・教師なし学習-1
- 3-1 教師あり学習 k-NN（1）
- 3-2 教師あり学習 k-NN（2）
- 3-3 教師あり学習 回帰（1）
- 3-4 教師あり学習 回帰（2）
- 3-5 ハイパーパラメータ調整と評価
第4回 教師あり学習・教師なし学習-2
- 4-1 決定木
- 4-2 サポートベクターマシン（1）
- 4-3 サポートベクターマシン（2）
- 4-4 クラスタリング
- 4-5 アソシエーション分析
Week3
第5回 強化学習
- 5-1 強化学習とは？（1）
- 5-2 強化学習とは？（2）
- 5-3 価値関数ベース手法（モンテカルロ法）
- 5-4 価値関数ベース手法（Q-learning）
- 5-5 価値関数ベース手法（Sarsa）
- 5-6 ”OpenAI Gym” フレームワーク（1）
- 5-7 ”OpenAI Gym” フレームワーク（2）
- 5-8 方策探索ベース手法
- 5-9 環境の自作と利用
- 5-10 Q-learning+ニューラルネット
第6回 その他一般的な機械学習についていくつか
- 6-1 ハイパーパラメーターチューニング
- 6-2 入力データの標準化・正規化
- 6-3 Data leakage
- 6-4 不均衡なデータへの対応、他
- 6-5 機械学習の注意点
Week4
第7回 異常検知と半教師あり学習
- 7-1 はじめに
- 7-2 異常検知（1）
- 7-3 異常検知（2）
- 7-4 異常検知（3）
- 7-5 半教師あり学習（1）
- 7-6 半教師あり学習（2）
- 7-7 半教師あり学習（3）
- 7-8 半教師学習と能動学習
講師・スタッフ紹介
前提条件
＜準備学習・前提知識＞
- 統計解析の基礎知識
- 微分積分、線形代数の基礎知識
課題内容
各週選択形式の確認テスト
修了条件
得点率60％以上
学習期間
4週間
参考図書・文献
- 『TensorFlow とKerasで動かしながら学ぶディープラーニングの仕組み』
中井悦司 （著）／マイナビ出版、2019 - 『機械学習 ─データを読み解くアルゴリズムの技法─』
Peter Flach（著）／朝倉書店、2017 - 『詳解ディープラーニング TensorFlow／Keras・PyTorchによる時系列データ処理 第2版』
巣籠悠輔 （著）／マイナビ出版、2019 - 『深層学習 Deep Learning』
人工知能学会（監修）／近代科学社、2015 - 『The Elements of Statistical Learning Data Mining, Inference, and Prediction, Second Edition』
Trevor Hastie,et al／Springer, 2009 - 『Deep Learning』
Ian Goodfellow,et al／The MIT Press ,2016
※本講座はスマートエスイープログラムの実際の講座を録画し、動画教材用に編集して作成しております。
※講義動画収録時期：2019年
JMOOCカテゴリー
カテゴリーⅢ
※受講登録するとお客様の利用者情報は講座提供者（講師）に共有されます。詳しくは利用規約とプライバシーポリシーをご覧ください。
- 講座番号:ga137
- 受講開始日:2021年5月12日 15時
- 想定される勉強時間/週:3時間程度