実証講座

■日　程：
2019年11月21日（木）9:20～16:30
2019年11月22日（金）9:20～16:30

■会　場：
日本電子専門学校　７号館711教室
住所：〒169-0074 東京都新宿区北新宿１丁目４−２
URL ：https://www.jec.ac.jp/access/

■対象者：
専門学校学生（AIシステム科　２年次）　　　

■目　標：
IT技術者に必要なデータ分析のための基本的なスキルの習得を目標とする。
IT技術者に必要なデータ分析のための基本的スキルを習得する。
統計解析とは、機械学習とは何かなどの基本的な知識と、実施にツールやライブラリを利用したデータ分析を実施することで、実践的なデータ分析のスキルを習得する。

■参加者：
49名（AIシステム科、２年次）

■スケジュール：

○1日目【11月21日（木）】

時間	内容
9:00	【講座概要の説明】 [データ活用概論] データ分析とは？データ分析に関わる重要キーワードの解説キーワード１：ビッグデータキーワード２：統計キーワード３：データサイエンティストキーワード４：人工知能キーワード５：機械学習キーワード６：深層学習 [演習課題] データ分析ソフトウェアの紹介と分析環境の構築分析環境の概要分析環境のプログラミング言語やライブラリ紹介 Python Jupyter Pandas Scipy Statsmodels NumPy matplotlib scikit-learn
12:00	昼休
13:00	【Python】 [Pythonの基礎文法] 四則演算文字列変数リスト制御構文 if文による条件分岐処理 for文によるループ処理関数 [演習課題] [Pythonの応用文法] リスト型タプル型集合型辞書型ファイルの入出力モジュール【Pythonによるデータ分析】 [Numpy基礎] Numpyとは？ Numpyのデータ構造：ndarray ndarrayに関する基本的な操作 [Pandas基礎] Pandasとは？ Pandasのデータ構造：Series, DataFrame Pandasに関する基本的な操作【データの可視化】 [データの可視化とは？] matplotlib グラフ描画の基本折れ線グラフ散布図ヒストグラムタイトルを表示表示幅の変更複数のグラフの描画グラフを別々に描画し、1つの図とする方法クラスを利用した描画方法 2つのグラフで軸を揃えて描画凡例をつける方法
16:00	終了

○2日目【11月22日（金）】

時間	内容
9:00	【統計解析全体像】 [統計解析とは？] データから「事実を正しく語る」ことについて統計という道具を使うデータ収集記述統計推定仮説検定相関回帰標本抽出区間推定と信頼区間母平均算出の例検定、確率分布 t検定カイ二乗分布 [演習問題] [相関について] 相関関係と因果関係 2変数の相関関係相関係数散布図によるプロット 2変数以上の相関関係相関行列 [回帰 / 回帰分析とは？] 線形回帰、非線形回帰最小二乗法 Pythonによる最小二乗法の実行最小二乗法による回帰の例線形回帰非線形回帰演習問題
12:00	昼休
13:00	【機械学習全体像】 [機械学習とは？] 機械学習で使われる用語の整理機械学習の処理の流れデータの入手データの前処理機械学習の手法選択パラメータの選択モデルの学習モデルの評価チューニング [データセットについて] 一般的なscikit-learnの処理の流れ教師あり学習の代表的な手法 k近傍法 SVM 精度向上のための工夫パラメータチューニンググリッドサーチ交差検定法結果の評価 [演習問題] [教師なし学習とは？] 教師なし学習の代表的な手法についてクラスタリング k-means 次元削減主成分分析 [演習問題] 【大規模データ処理】 [大規模データとは？] Hadoopの基礎知識 SparkとHadoop Spark自体の歴史 Sparkの基本アイデアと実行環境 [演習問題]
16:00	終了

機械学習・データマイニング実証講座

■日　程：
2019年12月25日（水）9:00～17:00

■会　場：
日本電子専門学校　７号館711教室
住所：〒169-0074 東京都新宿区北新宿１丁目４−２
URL ：https://www.jec.ac.jp/access/

■対象者：
情報系専門学校教員　　　

■目　標：
T技術者に必要なデータ分析のための基本的スキルを習得する。
統計解析とは、機械学習とは何かなどの基本的な知識と、実施にツールやライブラリを利　用したデータ分析を学習し、実践的なデータ分析を理解する。
データマイニングの考え方、手法の理解をする。

■参加要件：本講座の内容は、受講者が以下の知識・技術を有していることを前提としている

○機械学習について
技術要件
・mac/windowsの操作をしたことがある。mac操作の経験があることが好ましい
・macにおけるターミナルの操作、windowsにおけるコマンドプロンプトの操作ができる
・pythonでファイル操作、四則演算など簡単な処理が実装できること

数学の知識
・数に関する基本事項（算術演算、べき乗、階乗、約数・倍数、数の偶奇、素数、など）を学習していること
・合計、平均、標準偏差など基本的な統計処理を理解していること

言葉に対する知識
・データサイエンス、ビッグデータ、機械学習、AIなど、データ分析に関わる種々のキーワードを知っていること

○データマイニングについて
※上記「機械学習」の要件は満たしている前提で、以下のスキルも必要となる

技術要件
・scikit-learnなどのライブラリを駆使したpythonプログラミングができること
・何らかの機械学習器を実装したことがあること
・データセットを学習データとテストデータに分け、学習データでモデルを作成し、テストデータで精度を確認するなど、基本的な機械学習のプロセスを遂行できること。
・プログラミング実行中にエラーが発生した際に、webの情報などを元に自身でエラーを解消できること。

数学の知識
・行列計算を理解していること。

言葉に対する知識
・分類、回帰、クラスタリング、次元削減など基本的な用語を知っていること

■参加者：
15名

■スケジュール：

○【12月25日（水）】

時間	内容
9:00	【オリエンテーション】【講座概要の説明】 [データマイニング導入] データマイニングとはデータマイニングの手法の分類クラス分類回帰クラスタリングパターン抽出その他の手法データマイニングの歴史と発展 [Pythonの基礎文法] 四則演算文字列変数リスト制御構文 if文による条件分岐処理 for文によるループ処理関数 [演習課題] [Pythonの応用文法] リスト型タプル型集合型辞書型ファイルの入出力モジュール【統計解析全体像】 [統計解析とは？] データから「事実を正しく語る」ことについて統計という道具を使うデータ収集記述統計推定仮説検定相関回帰標本抽出区間推定と信頼区間母平均算出の例検定、確率分布 t検定カイ二乗分布 [演習問題] [相関について] 相関関係と因果関係 2変数の相関関係相関係数散布図によるプロット
12:00	昼休
13:00	【機械学習全体像】 [機械学習とは？] [機械学習で使われる用語の整理] [機械学習の処理の流れ] データの入手データの前処理機械学習の手法選択パラメータの選択モデルの学習モデルの評価チューニング [決定木（演習）] 決定木による発話の分類 [線形回帰（演習）] 線形回帰モデルの構築 [主成分分析（演習）] 主成分分析アルゴリズムの実装
17:00	終了