文書の過去の版を表示しています。

機械学習ワークショップ (2020-01)

日時	2020年1月14日（火）〜17日（金）
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	1 時間以内に 10 問の確認問題をすべて解ける方
定員	30名（ただし、30 名以上の場合は、実習を伴わない聴講をお願いする場合があります。）
資料	後日公開

確認問題を準備しております。。。
最後の解答が合っていれば大丈夫です。途中式を問いません。
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した 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。

下記の事項をすべてお読みになった上でお申し込みください。
環境確認
- 「numpy」、「matplotlib.pyplot」、「seaborn」、「pandas」、「sklearn」、「pystan」、「statsmodels」、「keras」、「cv2」モジュールが正しくインポートできることを確認してください。
- 講習会会場にて MAFFIN にアクセスできないゲスト WiFi 環境を用意します。講習会で実習用の PC が、ゲスト WiFi 経由でインターネットできること確認してください。とくに、農研機構で登録された Windows パソコンは、ゲスト WiFi に繋がらないケースが多いため、なるべく事前に確認してくださるようよろしくお願いします。
下記の URL にて参加申し込みを行ってください。
- （URL 準備中 / 10 月下旬公開）
- 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。

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。

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。

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。

RCAIT workshop