メインコンテンツへ

gacco: ga137 機械学習

機械学習


受講登録は終了しました

※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:2022年11月17日 15時
  • 想定される勉強時間/週:3時間程度

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」を2018年度から開講しています。同プログラムは文部科学省 平成29年度「成長分野を支える情報技術人材の育成拠点の形成（enPiT）」enPiT-Proに採択された事業です。
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、6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2つのプログラム、「DXコース」「IoT/AIコース」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早稲田大学にて受講いただき、学びを深めていただければ幸いです。

DXコースは募集中（募集期間2022年8月5日～9月30日）、IoT/AIコースは12月に募集を開始します。
スマートエスイー概要
https://www.waseda.jp/inst/smartse/about/overview
DXコース　※開講期間　10月～3月（※2022年度は募集終了）
https://www.waseda.jp/inst/smartse/curriculum_dx/guideline

DXコースは、DXやデジタルビジネスの企画・立案・推進等を担うデジタルビジネスデザイナーといった、DX中核人材を育成することを目的としています。DXコースに先駆けて2018年から開講しているIoT/AIコースは専門的なデジタル技術に加え、ビジネスの視点も兼ね備えたフルスタック人材を育成することを目的としています。よってDXコースはマネージャー側からDXを推進する人材の育成に重点を置くのに対し、IoT/AIコースはエンジニア側からDXを推進する人材の育成となっています。
超スマート社会の実現（Society 5.0）には、IoT・CPS・クラウドに代表されるシステム・プラットフォーム、ビッグデータ、人工知能の技術群を活用できることはもちろんのこと、ビジネス・社会ニーズに応じて必要なモノとサービスをきめ細やかに適応的かつ効率的に市場に提供できることが必要です。スマートエスイーは、このようなスマートなシステム＆サービスの運用を通じて、価値創造を国際的にリード可能な人材育成を目指します。


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

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

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


※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

※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:2022年11月17日 15時
  • 想定される勉強時間/週:3時間程度