10月
20
【10月期 応用数学シリーズ】機械学習・ディープラーニングのための多変量解析
主催 : スキルアップAI
| 募集内容 |
前払い 27000円（前払い）
先着順
2回目受講(機械学習・ディープラーニングのための多変量解析の再受講) 3000円（前払い）
先着順
|
|---|---|
| 開催日時 |
2018/10/20(土) 14:00 ～ 19:00
|
| 募集期間 |
2018/10/03(水) 21:11
〜 |
| 会場 |
東京都渋谷区桜丘町9番8号 KN渋谷3ビル マップで見る 会場のサイトを見る |
| 前払いについて |
前払いについての連絡先: (参加者にのみ公開されます) |
|
キャンセル・参加費用の払い戻しについて主催者からの説明: やむを得ずキャンセルされる場合は、開催日の4日前までのご連絡に限り、払い戻し手数料を差し引いた金額を払い戻し致します。以降は払い戻しをできませんのでご注意ください。 |
|
|
領収データの発行: 発行しない (詳しくはこちら) |
イベントの説明
◆◆◆本講座はオンライン受講のみとなり、対面講座の募集は終了いたしました。◆◆◆
◆◆◆オンライン受講は ホームページ よりお申し込みいただけます。◆◆◆
講座体系
機械学習の理解に不可欠な数学の知識に関して、初学者でも基礎から実践まで体系化に学べるように、基礎数学シリーズと応用数学シリーズの2シリーズで展開しています。
| シリーズ | 分野 | 前提知識 |
|---|---|---|
| 基礎数学シリーズ | 微分、線形代数、確率統計 | 不要 |
| 応用数学シリーズ | 多変量解析、ベイズ推論のための確率統計アドバンス、最適化、情報理論 | 基礎数学シリーズの指定の講座修了レベル |
直近のシリーズ
基礎数学
| 日程 | 時間 | 講義名 |
|---|---|---|
| 10/06（土） | 14:00-19:00 | 機械学習・ディープラーニングのための微分基礎 |
| 10/07（日） | 14:00-19:00 | 機械学習・ディープラーニングのための確率・統計DAY1 |
| 10/13（土） | 14:00-19:00 | 機械学習・ディープラーニングのための線形代数 |
| 10/14（日） | 14:00-19:00 | 機械学習・ディープラーニングのための確率・統計DAY2 |
応用数学
| 日程 | 時間 | 講義名 |
|---|---|---|
| 10/20（土） | 14:00-19:00 | 機械学習・ディープラーニングのための多変量解析 |
| 10/21（日） | 14:00-19:00 | ベイズ推論のための確率統計アドバンス |
| 10/27（土） | 14:00-20:30 | 機械学習・ディープラーニングのための最適化 |
| 10/28（日） | 14:00-17:30 | 機械学習・ディープラーニングのための情報理論 |
- お得な応用数学講座セットは、HP からお申し込みを受け付けております。
- HPからのセットでのお申し込みは、銀行振込、領収書・請求書・申込書希望にも対応可能です。
- 講座内で全て消化できない方向けに、HPから講義動画の購入も可能とする予定です。
概要
AIに関するほとんどの書籍や学習コンテンツは、数式を用いた説明をしており、数学に苦手意識をもつ方にとっては、難解な分野だという雰囲気を醸しています。
しかし、AI自体が数式で知能を表現しようという試みであるとも言えるため、数学を学ばずにAIを理解することはできません。
スキルアップAIの数学講座は、前提知識不要レベルの基礎数学講座から、機械学習を理解するのに直結する応用数学講座まで、豊富なラインナップで講座を展開しています。
今回は、機械学習・ディープラーニングのための「多変量解析」です。 たくさんのデータをもとに現象を予測・分析する技術はディープラーニングだけではありません。その代表例としてデータ間の関連性を解析する回帰分析や、データに内在する本質的情報を抽出する主成分分析などが挙げられます。 本講座では、基礎的な統計学からおさらいし、回帰分析・主成分分析の理論をご紹介します。その後、演習を通じて実践的に手法をご理解いただきます。
受付・入場時間
開始の10分前から
カリキュラム
* データベクトルと偏差ベクトル * データの代表値 ー 平均 ー 分散 ー 標準偏差 ー 共分散 ー 相関係数 * 相関係数の幾何学的意味 * 最小二乗法 * 線形回帰 ー 単回帰分析 ー 重回帰分析 * ロジスティック回帰 * 主成分分析 * Pythonでの演習 ー 線形回帰演習 ー ロジスティック回帰演習 ー 主成分分析演習
若干変更になる場合があります。
対象者（受講にあたっての前提知識）
「微分」「線形代数」「確率統計Day1, Day2」講座を受講もしくは、修了相当の理解をしていること
講師
S Saito スキルアップAI講師。横浜国立大学卒業。高専時代に画像認識に対して興味を持ったことがきっかけで、現在ではDeep Learningや機械学習、進化計算などの人工知能分野のアルゴリズム研究開発やコンサルティングに従事。日本ディープラーニング協会の2018年度G検定 合格者。
会場へのアクセス方法
週末はビル正面玄関が閉まっているため、開始10分前より随時内側から開錠いたします。 ビル正面玄関前でお待ちいただきますようお願い致します。 https://imgur.com/a/XteLG 遅刻される方は、入り口に着かれましたら、skillupai.tokyo@gmail.comまでご連絡ください。 スタッフがお迎えに行きます。 ビル館内では飲食物の購入はできませんので、飲食物は事前に購入の上、ご来場ください。 講座中（休憩時間など）にビル外に外出される際は、スタッフまでお声がけください。 また携帯をご持参頂き、お戻りの時間をskillupai.tokyo@gmail.comまでご連絡ください。 ビル正面玄関へ、スタッフがお迎えに上がります。
当日のお持物
ご自身のノートPC 筆記用具 【動作環境】 MacOSX 10.9 以上 Windows 7 以上（64bit必須） メモリ8GB以上必須 ※8GB未満でも受講して頂くことは可能ですが、大きなデータを扱う演習の際に不具合が発生する可能性があります。 メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。
講座までの準備
【環境構築について】 最新のAnacondaをインストールし、ブラウザでJupyterNotebookを表示できる状態まで事前に準備お願い致します。 こちらを参考にしてください。 https://goo.gl/FRWrax ※各自で必ず当日までに環境構築をお願いいたします。 もし環境構築等でご不明な点等あれば、事前にご連絡いただければご案内します。
通信環境に関して
基本的にはこちらでWi-Fi環境を確保したいと考えておりますが、wifiが使えない日がないとも限らないのでwifiは自己責任でお願いいたします。（現在開講中の講座にて会場にWi-Fi環境が無い場合、ご自身のスマートフォンのデザリングなどで対応されております）
領収書
【Paypalでお支払いの場合】 PayPal発行の受領書が領収書となります。 受領書ページは、PayPalの支払い完了ページで「印刷用受領書を見る」をクリックすると表示されます。 （当社よりの重複しての領収書発行は行えません)
備考
* 2回目受講枠に関しましては、過去に「機械学習・ディープラーニングのための多変量解析」を受講された方のみ、お申し込みが可能です。受講履歴を確認させていただきます * 長時間ですので、ところどころ休憩を挟みます * 勉強会内容を撮影もしくは録音することは、ご遠慮ください * 個人ブログへの記述については、良識の範囲内でお願いいたします * 講義コンテンツは全てスキルアップAIに帰属していますので、複製はご遠慮ください
運営団体
講座に関するお問い合わせは、info@skillupai.comまでお願いいたします。
資料 資料をもっと見る／編集する
資料が投稿されると、最新の3件が表示されます。
フィード
2018/10/03 21:18
【10月期 応用数学シリーズ】機械学習・ディープラーニングのための多変量解析 を公開しました！
skillupai
エンジニアをつなぐ
connpass は株式会社ビープラウドが開発・運営しています