ホーム > Pythonで学ぶ機械学習&ディープラーニング ハンズオン - scikit-learn、LightGBM、Keras / TensorFlow -

Pythonで学ぶ機械学習&ディープラーニング ハンズオン - scikit-learn、LightGBM、Keras / TensorFlow -


期間  2日間 時間  9:30~17:30
価格(税込)  143,000円(税込) 主催  トレノケート
コース種別  集合研修  
形式  講義+実機演習 コースコード  MAC0025G

対応チケット/ポイント等

  • Select6
    Select6
日程 会場 空席状況 実施状況 選択

2025年1月20日(月) ~ 2025年1月21日(火)

オンラインLive

  空席あり

2025年2月17日(月) ~ 2025年2月18日(火)

オンラインLive

  空席あり

2025年3月18日(火) ~ 2025年3月19日(水)

オンラインLive

  空席あり

2025年5月12日(月) ~ 2025年5月13日(火)

オンラインLive

  空席あり

2025年6月16日(月) ~ 2025年6月17日(火)

オンラインLive

  空席あり

※「キャンセル待ち」でお申し込みの方には、別途メールにてご連絡いたします。
※「実施確定」表示のない日程は、お申し込み状況により開催中止になる場合がございます。
※ お申込期日が過ぎた日程は、「お問い合わせください」と表示されます。
※ トレノケート主催コース以外の空席状況は、残席数に関わらず「お申し込み後確認」と表示されます。
※ トレノケート主催コース以外では、主催会社のお席を確保した後に受付確定となります。
お申込みに関するお問い合わせはこちらから

ワンポイントアドバイス

★教師あり学習を中心とした、機械学習の概要と実装方法をPythonで実際にプログラミングしながら習得することができるハンズオンコースです。これから機械学習を学びたい方や、実装方法も学びたい方に最適です。

機械学習を学び始める際に障壁になりやすい、難解な数学や理論は必要十分に抑え、手を動かしながら学ぶことで機械学習の概要・開発プロセス・実装方法を体系的に身に着けることができます。


早見表

重要なご連絡・ご確認事項

【本コースはオンライン対応です】

会場が「オンラインLive」または「教室Live配信」の日程は、オンラインでご参加いただけます。

  • オンラインLive:受講者の方はオンラインのみとなります。
  • 教室Live配信:教室・オンラインから受講される方が混在します。

★オンラインLiveトレーニングの詳細はこちら


オンラインLiveでのご受講の場合は、ウェブブラウザとして最新版のGoogle Chromeが必須となります。
Googleアカウントをお持ちでない場合は事前にアカウントを作成して下さい。普段お使いのアカウントでなくても構いません。
ご自宅や会社から受講される際には、Google Colaboratoryへのアクセス制限などがなされていると演習を行えない可能性があります。必ず事前に研修を受ける環境で、Google Colaboratoryへアクセスできることをご確認ください。
また、講義当日のトラブルを避けるため、事前のご連絡に記載の手順で、講義で使用するファイルをあらかじめダウンロードしておいてください。

対象者情報

対象者
・機械学習(教師あり学習)を実装を通して学びたいエンジニア
・機械学習初心者、初級者の方
・機械学習のライブラリや、ディープラーニングフレームワークを学びたい方
・データの取り扱い、モデル構築、モデル評価、モデルのチューニングといったプロセスを学びたい方
・画像分類の基礎を学びたい方
前提条件
□「Pythonプログラミング1 基本文法編(PRC0103G)」を受講しているか、同等の知識を持つ(制御構文、関数、リスト、ディクショナリなどのPython基本文法)

※基本文法レベルのプログラミングに自信のない方は、受講申し込み後のご案内でお送りします「Python基本文法の復習」を実施されてから受講されることをお勧めします。
(詳細な基本文法の説明などをするものではありません)

学習内容の詳細

コース概要
機械学習の概要と実装方法を、講義とハンズオン演習で取得します。

障壁になりやすい難解な数学などは必要十分に抑え、実習を通して2日間で効率的・体系的に知識とスキルを身に着けることができます。
機械学習でよく用いられるライブラリであるscikit-learnやLightGBM、人気のディープラーニングフレームワークTensorflow / Kerasなどを学習でき、データの取り扱い、モデル構築、モデル評価、モデルのチューニングといったプロセスを実践できるようになります。
学習目標
● 機械学習の概要を説明できる
● scikit-learnを使用して機械学習モデルを実装できる
● LightGBMを使用した機械学習モデルを実装できる
● Tensorflow/Keras を用いてディープラーニングを実装できる
● Tensorflow/Kerasを用いて画像分類モデルを実装できる
学習内容
1. 機械学習の概要
  - 機械学習の概要
  - 機械学習を利用・構築するためのプロセス
  - 機械学習開発の環境

2. 線形回帰 – scikit-learn -
  - 線形回帰
  - 線形回帰モデルの実装
  - 特徴量選択による線形回帰モデルの改良
  - 演習:線形回帰

3. ロジスティック回帰 – scikit-learn -
  - ロジスティック回帰
  - ロジスティック回帰の実装
  - 標準化によるロジスティック回帰モデルの改良
  - 演習:ロジスティック回帰

4. 決定木、ランダムフォレスト – scikit-learn -
  - 決定木
  - 決定木の実装、パラメータチューニング
  - オプション演習:決定木
  - ランダムフォレスト
  - ランダムフォレストの実装、パラメータチューニング
  - オプション演習:ランダムフォレスト

5. 勾配ブースティング – LightGBM -
  - 勾配ブースティング木
  - LightGBMの実装、パラメータチューニング
  - 交差検証法・グリッドサーチ
  - 演習:LightGBM & グリッドサーチ

6. ディープラーニング – TensorFlow / Keras -
  - ディープラーニング
  - TensorFlow / Keras
  - 演習:ディープラーニング
  - 演習:構造化データへの機械学習の適用プロセスの検討
  - 構造化データへの機械学習の活用例

7. CNNによる画像分類 – TensorFlow / Keras -
  - 畳み込みニューラルネットワーク(CNN)
  - TensorFlow / KerasよるCNN画像分類
  - 演習:CNN画像分類
  - 画像分類の活用例

付録:PyTorchによるディープラーニングの実装

実習/演習内容詳細

ソフトウェア
ハードウェア
Google Chrome
Google Colaboratoryを講義及び演習で使用するため、Googleアカウント必須
演習/デモ内容
・scikit-learn
線形回帰、ロジスティック回帰、決定木・ランダムフォレスト(オプション)

・LightGBM
勾配ブースティング木

・TensorFlow / Keras
ディープラーニング、CNNによる画像分類

ご注意・ご連絡事項

【本コースはオンライン対応です】
会場が「オンラインLive」または「教室Live配信」の日程は、オンラインでご参加いただけます。
・オンラインLive:受講者の方はオンラインのみとなります。
・教室Live配信:教室・オンラインから受講される方が混在します。
・オンラインLiveでのご受講の場合は、最新版のGoogle Chromeが必須となります。
・Googleアカウントをお持ちでない場合は事前にアカウントを作成して下さい。
・必ず事前に研修を受ける環境で、Google Colaboratoryへアクセスできることをご確認ください。
・事前のご連絡に記載の手順で、講義で使用するファイルをあらかじめダウンロードしておいてください。

受講者の声

●TensorFlowとKerasのコードが今まで全く分からなかったのが、今回の研修で分かるようになり大変嬉しいです。書籍だとコードが長いのですが、本研修ではコンパクトに短くまとめられていたので初めて理解できました。DNNのコードがとくに役にたちました。