データサイエンス基礎講座2019＜Python演習/実践編・秋＞ データサイエンス基礎講座2019＜Python演習/実践編・秋＞

タイムテーブル

10月23日（水）【1日目】
シリーズ1：機械学習/AIアルゴリズム概説とPython演習編

10:00～18:00 1限目 講義＆演習

Python基礎/確率・統計

Python基礎
  • AGENDA（Jupyter Notebook『Hello sWorld』）
  • Python文法基礎
  • 基礎統計量による分析
  • Pandasの使い方
  • データの可視化
2限目 講義＆演習

基礎統計量における分析

  • 統計学とは
  • 記述統計学
  • 推測統計学
  • 相関分析
3限目 講義＆演習

Pandas基礎


データ可視化

  • Python演習 機械学習編

データハンドリング基礎

  • データの結合、抽出、グループ化、集計
4限目 講義＆演習

機械学習概論

  • 機械学習とは
  • 統計解析と機械学習
  • 機械学習を活かすポイント
  • 機械学習の分類
  • 教師なし学習
  • 予測モデルの構築と評価
  • ハイパーパラメータの最適化

教師なし学習

  • クラスタリングとは
  • データ間の距離の例
  • k-means法（注意点、ビジネス利用の注意点）
  • 演習：クラスタリング（3問程度）

教師あり学習 － 線形回帰モデル

  • 線形回帰モデル
  • 線形回帰モデルの考え方
  • 演習：線形回帰モデル、単回帰モデル
  • 演習：重回帰モデル
  • 機械学習におけるモデルの評価
  • 演習：重回帰モデルを用いたオークション価格の予測

教師あり学習－
ニューラルネットワーク・SVM・ランダムフォレスト

  • ニューラルネットワークとは
  • SVMとは
  • マージン最大化
  • カーネル法のイメージ
  • ランダムフォレストとは
  • 決定木モデルとは
  • 集団学習とは
  • 演習：ニューラルネットワーク、SVM、ランダムフォレスト
懇親会（予定）

※ 授業内容・授業時間については、授業進行の状況で内容・遅速の変更がある可能性があります。あらかじめご了承下さい。
※ 90~120分の間隔で、随時休息が入ります。昼食はインプレスで準備する予定です。
※ 講師・講座内容は予告無く変更される場合があります。予めご了承ください。