1　概要

本セミナーでは、機械学習のフレームワークおよび基本的な手法、深層学習の基本的な手法について、仕組みとPython言語を用いた計算（コーディング）の解説を実施します。

機械学習のフレームワークおよび基本的な手法としては、

• 教師あり学習・教師なし学習といった学習のフレームワーク

• 線形回帰モデル

• ロジスティック回帰モデル

• 決定木とそのアンサンブル学習

を取り上げます。

また、深層学習の基本的な手法としては、

• 多層ニューラルネットワーク

• 畳み込みニューラルネットワーク

• Transformer

を取り上げます。

また時間に余裕がある限り、k-means法や階層クラスタリング、主成分分析といった教師なし学習の手法や再帰型ニューラルネットワークといった深層学習の手法についても補足説明を実施する予定です。

2　実施スケジュール

2時間×8回で実施予定です。スケジュールは以下のようになります。

実施回 大項目       内容

第1回   機械学習  学習のフレームワークと統計的な視点

第2回                         線形回帰モデルと正則化

第3回                         ロジスティック回帰モデル

第4回                         決定木とそのアンサンブル学習

第5回  深層学習   多層ニューラルネットワーク（前半）

第6回                         多層ニューラルネットワーク（後半）

第7回                         畳み込みニューラルネットワーク

第8回                         Transformer