差分

このページの2つのバージョン間の差分を表示します。

--- ml-startup [2019/11/25 (Mon) 13:14] – [申し込み方法] sonk414
+++ ml-startup [2020/12/28 (Mon) 07:48] (現在) – 削除 sonk414
@@ 行 1: / 行 1: @@
-====== 機械学習ワークショップ (2020-01) ======
-==== 概要 ====
-^ 日時 | 2020年1月14日（火）〜17日（金）\\ 全日 10:00-17:00 を基本としますが、進行状況により早めに終わることがあります。 |
-^ 場所 | 本部オリエンテーションルーム（食と農の科学館）\\ 茨城県つくば市観音台３−１−１ |
-^ 応募条件 | 下記確認問題の項目をお読みいただき、確認問題を解いた方。 |
-^ 定員 |30名\\ 定員を超えた場合、学習データをお持ち、機械学習をすぐに開始できる方を優先させます。その他の方には、実習を伴わない聴講（午前中のみの参加など）をお願いする場合があります。 |
-^ 資料 | 後日公開 |
-==== 確認問題　 ====
-  - 確認問題を https://aabbdd.jp/mlq10.html にて公開しております。
-  - 確認問題を Jupyter Notebook 上で解いてください。時間制限はありませんが、12月10日までに完了させてください。
-  - 確認問題を解いた後に、Jupyter Notebook のメニューらから「File」→「Download as」→「HTML (.html)」を選び、HTML ファイルを作成（ダウンロード）してください。作成した HTML ファイルを、農業情報研究センターワークショップ受付メーリングリスト（ai-workshop@ml.affrc.go.jp）まで送付してください。
-  - 問題を解く際に、積極的に Google 検索を利用してください。Google 検索で上位にランクインする Qiita や Stackoverflow に様々な問題解決策が載っています。これらのサイトの見方に慣れてください。
-  - 確認問題をすべて解けなくても提出可能です。
-  - 確認問題の成績は、「参加の可否判定」および「勉強会参加者のレベルを揃える」目的で利用します。
-==== 申し込み方法 ====
-  - 上述、確認問題を解いた結果を農業情報研究センターワークショップ受付メーリングリスト（ai-workshop@ml.affrc.go.jp）まで送付してください。
-  - Python 環境に「numpy」、「matplotlib.pyplot」、「seaborn」、「pandas」、「sklearn」、「pystan」、「statsmodels」、「keras」、「cv2」モジュールをインストールしてください。
-    * インストール方法に関する質問がありましたら、エラーメッセージとともに受付メーリングリスト（ai-workshop@ml.affrc.go.jp）までメールください。個別対応させていただきます。
-  - 下記の URL にて参加申し込みを行ってください。
-    * [[https://forms.office.com/Pages/ResponsePage.aspx?id=MBzgSGhzkUq9DL7Stxstr1s9C3HHSbVDqkGquCJicNVUMzBLWU82MTRMNTRIQjhEQjZFU1dFRkNBNi4u|申し込みフォーム]]
-    * 参加情報を訂正する場合は、新しい参加日程で再度申し込みください。ワークショップ受付へのご報告は不要です。
-    * 申し込み締め切り日は、12月10日です。
-==== 内容 ====
-内容は、進捗によって若干前後する場合があります。大まかな目安として、ご利用ください。また、午前（10:00-12:00）に講習、午後（13:00-17:00）に実習という形で進める予定です。
-| 1/14 | 機械学習紹介（歴史・教師あり学習・教師なし学習・強化学習）、ニューラルネットワーク、ロジスティック回帰 \\ 実習：①CSV データを読み込み、ロジスティック回帰で予測モデルを作成。②ロジスティック回帰モデルのハイパーパラメーターを調整して、高性能な予測モデルを作成。 |
-| 1/15 | データの前処理、決定木、ランダムフォレスト、SVM、kNN、交差検証 \\ 実習：①データの前処理の有無で予測性能の変化を調べる。②ロジスティック回帰、決定木、SVM などの分類アルゴリズを用いて、高性能な予測モデルを作成する。③交差検証を取り入れて、最適な分類アルゴリズムを探す。 |
-| 1/16 | 線型回帰、スパース回帰、ベイズ推定 \\ 実習：①CSVデータを読み込み、線型回帰モデルを作成する。②線型回帰モデルとスパース回帰モデルを作成し、両者の性能を比較する。③ Stan を利用して線型回帰モデルを作成する。④ Stan を利用して階層モデルを作成する。 |
-| 1/17 | 画像解析、画像分類（ResNet など）、物体検出（YOLO など） \\ ① CNN を自作して画像分類モデルを作成する。② ResNet を使用して画像分類モデルを作成する。③ ResNet 以外のアーキテクチャを使用して画像分類モデルを作成する。④ YOLO で物体検出モデルを作成する。 |
-==== その他 ====
-  * 講義資料は、講習会後に農業情報研究センター・ワークショップ Wiki で公開します。ご利用ください。
-  * テレビ会議システムを利用しません。
-  * 参加の可否について、12月20日までにお知らせいたします。
-  * 10名程度の参加者が見込まれる場合、各地域農研で講習会を開催できます。ご相談承ります。
-==== お問い合わせ ====
-お問い合わせは、農業情報研究センターワークショップ受付メーリングリスト（ai-workshop@ml.affrc.go.jp）までお願いします。