東京工業大学 情報理工学院 教授、
(国研)理化学研究所 革新知能統合研究センター チームリーダー　金森 敬文氏

２０２１年３月１８日（木）１０：３０〜１６：３０

1名につき５５，０００円（消費税込、資料付）　
〔１社２名以上同時申込の場合１名につき４９，５００円（税込）〕

大学、公的機関、医療機関の方には割引制度があります。
詳しくは上部の「アカデミック価格」をご覧下さい。

・本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。

・下記リンクから視聴環境を確認の上、お申し込みください。
　→ https://zoom.us/test

・開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
　セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。

・Zoomクライアントは最新版にアップデートして使用してください。
　Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。

・パソコンの他にタブレット、スマートフォンでも視聴できます。

・セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。
　お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。

・当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。

・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。

・Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
　万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

【講演趣旨】　本講演では、アンサンブル学習とよばれるデータサイエンスの手法について学びます。 アンサンブル学習とは、比較的簡単な機械学習アルゴリズムを組み合わせることで、高い予測性能 を達成することができる方法です。講演ではまずデータサイエンスの基礎から始め、次に機械学習 において広く使われている学習モデルである決定木について紹介します。その後、決定木の予測性 能を向上させるためのアンサンブル学習について解説します。アンサンブル学習には多くの種類が ありますが、バギング、ランダムフォレスト、ブースティングといった代表的な手法について、基本的な 考え方から説明します、それぞれの手法について、機械学習でよく用いられるプログラミング言語 Pythonによる簡単なデモを実行しながら学んでいきます。

【講演項目】
１．機械学習の紹介
　　1.1 応用例
　　1.2 機械学習とPython

２．データサイエンスの問題設定
　　2.1 母集団とデータ・サンプリング
　　2.2 学習と予測

３．決定木
　　3.1 決定木とは
　　3.2 決定木による予測
　　3.3 決定木の学習
　　3.4 予測性能の評価
　　3.5 データへの過剰適合
　　3.6 モデル選択

４．集団学習
　　4.1 集団学習の初歩
　　4.2 バギング
　　　　(1)ブートストラップ
　　　　(2)ブートストラップによるアンサンブル： 判別分析
　　　　(3)ブートストラップによるアンサンブル： 回帰分析
　　　　(4)例

５．ランダムフォレスト
　　5.1 ランダムフォレストの学習法
　　5.2 ランダムフォレストによる特徴量評価
　　5.3 例

６．ブースティング
　　6.1 基礎事項
　　6.2 ブースティング：2値判別
　　6.3 損失関数とブースティング
　　6.4 例

７．勾配ブースティング
　　7.1 問題設定
　　　　(1)回帰分析の場合
　　　　(2)多値判別の場合
　　7.2 回帰木による勾配方向の推定
　　7.3 勾配ブースティングの学習法
　　7.4 例

【質疑応答】