RCAIT workshop

農業情報研究センターワークショップ

ユーザ用ツール

サイト用ツール

現在位置: start » ml-startup
ml-startup

文書の過去の版を表示しています。

目次

機械学習勉強会 (2020-01)

  • 暫定版の資料を公開しました。完成版ではないので、くれぐれも印刷しないように。完成版の資料は今週金曜日に公開します。(1/6)
  • 本日、参加案内のメールを送信させていただきました。メールが届いていない方は、ai-workshop@ml.affrc.go.jp までご連絡ください。(12/16)

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。 受付終了
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 資料1 資料2 資料3
暫定版の資料です。完成版の資料は 1/10 金曜日アップロードします。

確認問題　

  1. 確認問題を — にて公開しております。（公開終了）
  2. 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。
  3. 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。
  4. 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。
  5. 確認問題をすべて解けなくても提出可能です。
  6. 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

  1. 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。
  2. Python 環境に「numpy」、「matplotlib」、「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。
    • インストール方法等に関する質問がありましたら、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。
  3. 確認問題の解答を受付メーリングリストへ送信後に、下記の URL にて参加申し込みを行ってください。
    • 申し込みフォーム（終了しました）
    • 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。
    • conda コマンドで OpenCV をインストールできない場合は、以下のようにして conda 下の pip コマンドを使って OpenCV のインストールを試していてください。
# 1, conda に pip コマンドをインストール
conda install pip

# 2, pip で opencv をインストール
pip install opencv-python

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。

ml-startup.1578285879.txt.gz · 最終更新: by sonk414