Registration info |
通常参加者枠 ¥1000(Pay at the door)
FCFS
|
---|
Description
内容概要
本勉強会は, 機械学習の理論を学び、自身で動かせるようになり、それぞれの手法を使うのに適切な場面を理解することで、 その後、自身が関わっている業務に機械学習を導入出来るようになることを目的とします。 主催者自身も、目下勉強中の身ですので、 講義形式ではなく、 皆で議論しながら理解を深めていきたいと考えております。 ※勉強会に必要な情報は主催者が準備します! 第7回までで、書籍「戦略的データサイエンス入門」に沿って教師あり学習・教師なし学習の基本的な考え方を 学びました。 第8回で、教師なし学習(クラスタリングのK-means法)の事例をPythonで動かして、皆で解釈する会を行いました。 第9回でも、引き続き別の事例の解釈をやっていきながら、他の方々の解釈の仕方を学び、それを通してK-means法の理解を深めたいと思います。 尚、Python環境は、一旦、Google Colabとします。 前提知識としては、 機械学習の全くの初心者というよりは、 「はじめてのパターン認識」など教科書的なものを一通り読んだレベルを想定しておりますが、 最低限、機械学習についてざっくり調べておいて頂ければ大丈夫です。 ※ページ最下部で機械学習の概要を抑えるのに良い書籍を紹介しております! お気軽にご参加ください! よろしくお願いいたします!
改めて、この勉強会で目指しているところ
機械学習の理論を学び、自身で動かせるようになり、それぞれの手法を使うのに適切な場面を理解することで、 自身が関わっている業務に機械学習を導入出来るようになる。
開催日程
8/8(木) 19:50〜20:00:受付&コミュニケーションツール(Slack)案内 20:00〜20:10:自己紹介(主にイベント参加理由) 20:10〜20:15:趣旨の説明 20:15〜21:15:皆で読み込み(適宜休憩) 21:15~21:30:振り返り&次回進め方検討&参加してみての感想 ※ 進行次第で最長22時までは延長する可能性があります。 また、早く終わった場合でも22時までは会場を開けていますので、残って作業して頂いてもOKです。
会場
水道橋駅、神保町駅、九段下駅周辺 千代田区西神田2-7-14 YS西神田ビル2F ※気楽に来れる感じの部屋です!
対象者
・1人だと学習が進まない方 ・定期的な学習の予定を入れたい方 ・大きな金額を学習に投資するのが気乗りしない方 ・座学より自分で体験してモノにしたい方
当日のお持物
・PC ・ご自身が勉強に使っているもの ※書籍など ・(お持ちの方は)書籍「戦略的データサイエンス入門」 ※これまで本勉強会で利用していた書籍です。
事前にお願いしたいこと
・Python環境構築 ※Google Colabを動かせる状態にしてきて頂くようお願いいたします。 (Google Colabを使い始める際の参考記事は後日アップする予定です) ※当日、特に手を動かさなくても良いという方は必須ではありません。 ・過去開催回のメモ確認 ※最下部リンクをご確認ください。
費用
・1,000円(会場代) ※ 領収書発行の際の参加費は法人参加と見なし、一律2,000円とさせていただきます。
ご参加にあたってのお願い
無断欠席や前日以降のキャンセルに関しては、 基本的に行わないようにお願いいたします。 体調不良、職務都合、ご家庭の事情などどうしてものケースは、 下記問い合わせ先までご連絡いただけますと嬉しいです。 (connpass上でのキャンセルはNGとします) 上記を守って頂けない方に関しては、 以後の参加をお断りさせていただきますので、 その点だけ予めご了承ください。 モチベーションの高い参加者の方を重視する運営としていきたいと考えています。 ご協力のほど、よろしくお願いいたします。 問い合わせ先: pilovoliq@gmail.com ※主催者のプロフィール・経歴等が気になる方は、最下部のリンクをご確認くださいませ。 (あまり大したことは書いておりませんが。。。)
関連リンク(直近使うもの)
クラスタリング
◆Python:クラスタリング(K-means)
↑こちら↑
Google Colab
◆Google Colabのメリデメ、使い方
↑こちら↑
◆Colabファイル ※クラスタリング(K-means法):入門:得意教科
↑こちら↑
◆Colabファイル ※クラスタリング(K-means法):入門:scikit-learnデータセット(blobs)
↑こちら↑
◆Colabファイル ※クラスタリング(K-means法):入門:卸売業者の顧客データ
↑こちら↑
教材的なもの
◆これまでの勉強会で作ったメモ
↑こちら↑
※書籍「戦略的データサイエンス入門」の3~6章より
関連リンク(その他)
主催者・過去のイベントについて
◆主催者について(Facebook)
↑こちら↑
◆JupyterNotebookファイル ※Kaggleタイタニックやった時のもの
↑こちら↑
※2019/4/4時点
◆第1回メモ:Kaggleやってみた記事の読み込み(by主催者)
↑こちら↑
◆第2回メモ:Pythonで決定木モデルの作成(by主催者)
↑こちら↑
◆第3回メモ:決定木作成ロジック理解(by主催者)
↑こちら↑
◆第4回メモ:線形分類器作成ロジック理解(by主催者)
↑こちら↑
◆第5回メモ:過学習(by主催者)
↑こちら↑
機械学習
◆機械学習の概要を抑えるための書籍
『データサイエンティスト養成読本 機械学習入門編』(主催者も読んでいる途中)
↑こちら↑
◆機械学習無料オンライン講座(主催者もやる予定)
↑こちら↑
◆機械学習の説明が分かりやすかった書籍
『戦略的データサイエンス入門』
※本書籍を参考に機械学習の理解を進めています。
↑こちら↑
◆決定木の説明が分かりやすかった記事
↑こちら↑
Python
◆Pythonメモ(by主催者)
↑こちら↑
◆Python環境構築に関する記事(by共同主催者)
↑こちら↑
◆Python環境構築トラブルシューティング(by共同主催者)
↑こちら↑
◆Pythonオンライン講座(主催者は受講中)
↑こちら↑
Kaggle
◆Kaggleアカウント作成方法(by主催者)
↑こちら↑
データサイエンス
◆データサイエンス関連英単語の和訳(by主催者)
↑こちら↑
Kaggleタイタニックコンペ
◆タイタニックコンペ(Kaggle内)
↑こちら↑
◆タイタニックコンペ参考記事(1)
【Kaggle初心者入門編】タイタニック号で生き残るのは誰?
↑こちら↑
※本記事を参考にモデル作成をしています。
◆タイタニックコンペ参考記事(2)
【Pythonで決定木 & Random Forest】タイタニックの生存者データを分析してみた
↑こちら↑
※本記事を参考に決定木の可視化を行っています。
◆タイタニック号沈没事故(Wikipedia)
↑こちら↑
◆タイタニックDataset(学習用データ・テストデータ統合版)(主催者作成)
↑こちら↑
Media View all Media
If you add event media, up to 3 items will be shown here.