機械学習入門（MI） Pythonを用いた機械学習基礎

カリキュラム

1. 機械学習の基礎概念

   • 機械学習で何ができるのか、機械学習業務の基本的な流れ、基本的な用語の解説
   • データの前処理方法
   • 結果を評価する方法
   • 演習：簡単な機械学習の実例

2. 教師あり学習（判別）「AかBかを予測したり、判断したりする」

   • 教師あり学習（判別）のさまざまな手法（線形判別分析、決定木、ランダムフォレスト、k-近傍法、サポートベクターマシン、ニューラルネット、ディープラーニング）
   • 結果評価と手法選択の考え方
   • 演習：教師あり学習（判別）のさまざまな手法の適用

3. 教師あり学習（回帰）「(売上などの)値を予測する」

   • 教師あり学習（回帰）のさまざまな手法（重回帰分析、決定木、ランダムフォレスト、ニューラルネット、ディープラーニング）
   • 演習：教師あり学習（回帰）のさまざまな手法の適用

4. 教師なし学習（クラスタリング）「似ているものをグループに分ける」

   • k-平均法によるクラスタリング
   • 演習：クラスタリング（k-平均法）の実行

5. 教師なし学習（低次元化）「似た特徴指標をまとめる」

   • 主成分分析による低次元化
   • 演習：低次元化（主成分分析）の実行