機械学習のためのデータ前処理技術とノウハウ

株式会社　技術情報協会松本和幸氏 55,000円

★未整理の実用的なデータで学ぶ前処理のポイント！
★思ったようなデータが入手できない、学習が上手くいかない時の秘策とは！

【アーカイブ（録画）配信】
２０２４年１２月２０日まで受付（視聴期間：12月20日～1月10日まで）

会場

講師

プログラム

特典

お知らせ

開催日時

2024/12/11 (水) 10:30～ 16:30 （受付 10:00 ～ )

他の開催日・開催場所（同じ都道府県内）で探す

申込み期間

2024/10/03 ～ 2024/12/10

主催会社

株式会社　技術情報協会

この主催会社の他の最新セミナーを見る

定員

定員数の上限はございません

受講料

55,000円 (税込／各種割引については下段「お知らせ」欄をご参照ください）

開講場所

ZOOMを利用したLive配信
※会場での講義は行いません　

講師

松本和幸氏: 徳島大学　大学院社会産業理工学研究部　准教授

カリキュラム、
プログラム

【講座の趣旨】
本セミナーでは，データ分析や人工知能の開発において欠かせないデータの前処理技術についてレクチャーし，実演を交えて解説します。Google Colab環境用に準備されているサンプルコードを使って実データを対象に前処理し，機械学習してみることで，実践的な技術を習得していただくことがねらいです。実際，市販の教科書を片手にGoogle Colabにあらかじめインストール済みの各種ライブラリ（数値計算，機械学習，深層学習フレームワーク）を使って，どなたでも簡単にデータサイエンスやAIの初歩を体験することができます。しかし，そうした初歩的なサンプルコードの多くが理想的なデータ形式であったり，整理されたデータを対象としているため，実務において目の前にした未整理のデータの前処理に挫折してしまう方も多いと聞きます。このようにサンプルデータと実務で直面する生データとのギャップに戸惑うことは少なくありません。このセミナーでは，とにかく手っ取り早く手を動かしながら実用的なデータ前処理のコツをつかみたい人には最適です。困ったときにそのまま使える便利で実用的な前処理用サンプルコードを提供します。また，講師のこれまでの研究や実務の経験から，有用なデータの収集方法のコツ，思ったようなデータが入手できないときの秘策，学習が上手くいかないときのチューニングのノウハウなども伝授します。

【講座内容】
１．準備
　　1.1　Google Colabを使ったPython実行環境
　　1.2　便利なライブラリ群
　　　　1.2.1　NumPy, pandas
　　　　1.2.2　scikit-learn
　　　　1.2.3　matplotlib
　　　　1.2.4　Tensorflow, Keras

２．基本的な前処理テクニック
　　2.1　標準化，正規化，ビニング
　　2.2　外れ値と欠損値の扱い
　　　　2.2.1　四分位範囲による外れ値除去
　　　　2.2.2　外れ値に頑健な標準化法
　　　　2.2.3　単一代入法による欠損値の補完
　　　　2.2.4　多重代入法による欠損値の補完
　　2.3　特徴選択手法
　　　　2.3.1　フィルタ法（カイ二乗検定，ANOVA，ピアソン積率相関係数）
　　　　2.3.2　ラッパ法（RFE，Boruta）
　　　　2.3.3　正則化（リッジ回帰，LASSO回帰，弾性回帰ネット）
　　2.4　次元削減手法
　　　　2.4.1　PCA
　　　　2.4.2　NMF
　　　　2.4.3　UMAP
　　　　2.4.4　その他の次元削減

３．高度な前処理テクニック
　　3.1　カテゴリカルデータの数値データへの変換
　　　　3.1.1　one-hotエンコーディング
　　　　3.2.2　ラベルエンコーディングとその他のエンコーディング法
　　　　3.2.3　特徴量ハッシング
　　　　3.2.4　カテゴリ変数の分散表現（エンティティ埋め込み）
　　3.2　不均衡データに対するリサンプリング法
　　　　3.2.1　アンダーサンプリング（ENN, NearMiss, TomekLinks, etc.）
　　　　3.2.2　オーバーサンプリング（SMOTE, ADASYN, BorderlineSMOTE, etc.）
　　3.3　時系列データに対する前処理
　　　　3.3.1　窓付き統計値
　　　　3.3.2　タイムゾーンの変換
　　　　3.3.3　時系列データの補完

４．テキストデータの前処理テクニック
　　4.1　テキスト抽出と分かち書き・形態素解析
　　4.2　単語分散表現とトピックモデリング
　　　　4.2.1　Word2Vec
　　　　4.2.2　fastText
　　　　4.2.3　潜在的ディリクレ配分法 (LDA)
　　　　4.2.4　その他のトピック分布
　　4.3　ニューラルネットワークを用いたテキスト分類
　　　　4.3.1　畳み込みニューラルネットワークによる分類
　　　　4.3.2　BERTのファインチューニングによる分類
　　　　4.3.3　テキストデータの拡張方法
　　4.4　大規模言語モデル
　　　　4.4.1　言語モデルのファインチューニング
　　　　4.4.2　言語モデルの軽量化
　　　　4.4.3　言語モデルの説明可能性

５．まとめ
　　5.1　演習問題
　　5.2　もっと詳しく学びたい方へ

特典

セミナー資料付
各講で最後に質疑応答時間あり。

セミナー参加費
支払い方法

1. 銀行振込または現金書留にてお願いいたします。

2. 原則として開催日までにお願い致します。

3. 銀行振込の場合は、原則として領収証の発行は致しません。

4. 振り込み手数料はご負担ください。

お知らせ

●各種割引について
1. 同一テーマ1社2名以上同時申込の場合のみ、1名につき5,500円（税込）割引いたします。
2. 大学（教員、学生）、公的機関、医療機関の方は、「アカデミック価格」33,000円/1名（税込）でご参加いただけます。（2名同時申込割引は適用されません）

割引適用の場合は、お申し込み後、技術情報協会より確認のご連絡を差し上げます。

※申し込み人数が開催人数に満たない場合など，状況により中止させて頂く事が御座います。

●Live配信セミナーの受講について
・セミナー配布資料は印刷物を郵送いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。