近年流行のAI・機械学習が気になるけれど、自分で分析を行うにはどこから手を付けていいのか分からないという声をよく聞きます。AI・機械学習のツールを単に使うのではなく、その背後のしくみと意味を理解することにより、目的に合わせて各種の手法を適切に利用できるようにします。Pythonによるプログラミングを通して、次の日からAI・機械学習による予測や分類などができるようになることを目標とします。

Pythonによる機械学習超入門

【テックデザイン　データサイエンス入門シリーズ】

有限会社ローグ・インターナショナル 代表取締役 東京大学講師、日本大学講師、青山学院大学講師、お茶の水女子大学講師 羽山 博氏

1983年に京都大学文学部哲学科（心理学専攻）卒業後、日本電気株式会社(NEC)でユーザー教育や社内SE教育を担当したのち、1991年にライターとして独立。2006年に東京大学大学院学際情報学府博士課程を単位取得後退学。現職までに、多摩美術大学、東京藝術大学の講師も歴任。

1. この講座で取り扱う内容 15分
2. Pandasデータフレームの取り扱い 35分
3. 機械学習はじめの一歩：単回帰分析 20分
　・単回帰分析の考え方　・【事例】家賃を予測する
4. 教師あり学習の例(1)：重回帰分析　40分
　・重回帰分析の考え方　・データの特徴を見る（前処理）
　・欠損値の取り扱い（前処理）　・定性データの取り扱い（前処理）　・【事例】糖尿病の進行を予測する
5. 教師あり学習の例(2)：分類　50分
　・ロジスティック回帰の考え方
　・スケーリング（前処理）
　・学習不足・過学習への対応（モデルのチューニング）
　・ロジスティック回帰による分類　・【事例】ウミガメの性別を分類する
　・その他の方法（k-近傍法、決定木、サポートベクターマシン）
6. 教師なし学習の例　60分
　・k-means法によるクラスタリングの考え方　・【事例】ワインの品種を分類する
　・主成分分析による次元圧縮　・【事例】成績に影響のある要因を見つける
7. この先の展望　45分+質疑応答15分
　・グリッドサーチ、アンサンブル学習（ハイパーパラメータの選択、モデルの選択、チューニング）
　・ニューラルネットワーク入門（学習済みのニューラルネットワークを利用して画像に名前を付ける）