第４回マシンラーニングのら猫勉強会「Python Machine Learning」読書会

第４回マシンラーニングのら猫勉強会「Python Machine Learning」読書会
　９月２５日（日）13:30 - 17:00　（受付は13:15から）
　市ヶ谷健保会館、E会議室　（レストランの２F）　東京都新宿区市谷仲之町4-39
　会場払い500円
　※　懇親会希望者は当日募ります。会費は2000円程度の予定です。
　※　今回から、Machine Learning with TensorFlow (Manning) やRの機械学習ライブラリその他の課題図書（未翻訳本を中心に）を加えることを考えてみます。また、全般的に統計関連が皆さん苦労されているようですので、前回担当者の発表で不十分であった数式やコードの読み方（ロジスティック回帰やカーネルサポートベクトルマシンの）などの解説を（石井が）最初に時間をとってします。

●概要
東京農工大の石井一夫先生が一般向けに開く、「Python Machine Learning」の洋書読書会です。
洋書を元に、担当者が本の内容をまとめ、参加者に紹介します。実際にサンプルコードを動かしてみてわからなかったことや翻訳版と原文を読み比べたりします。
一人での読書とは違った新たな発見があること間違いなしです。ご興味があれば是非お気軽にお申込みください。

６月の第１回から８月の第３回では、１、２、３、４、６章の抄読会が開催されました。
第４回は、５、７、８、９、１０、１１、１２、１３章の中から適宜選択して抄読会を開催します。

第５章　次元削減でデータを圧縮する
Chapter 5, Compressing Data via Dimensionality Reduction, describes the essential techniques to reduce the number of features in a dataset to smaller sets while retaining most of their useful and discriminatory information. It discusses the standard approach to dimensionality reduction via principal component analysis and compares it to supervised and nonlinear transformation techniques.

第７章　アンサンブル学習 -- 異なるモデルの組み合わせ
Chapter 7, Combining Different Models for Ensemble Learning, introduces you to the different concepts of combining multiple learning algorithms effectively. It teaches you how to build ensembles of experts to overcome the weaknesses of individual learners, resulting in more accurate and reliable predictions.

第８章　機械学習の適用　1 -- 感情分析
Chapter 8, Applying Machine Learning to Sentiment Analysis, discusses the essential steps to transform textual data into meaningful representations for machine learning algorithms to predict the opinions of people based on their writing.

第９章　機械学習の適用　2 -- Webアプリケーション
Chapter 9, Embedding a Machine Learning Model into a Web Application, continues with the predictive model from the previous chapter and walks you through the essential steps of developing web applications with embedded machine learning models.

第１０章　回帰分析 -- 連続値をとる目的変数の予測
Chapter 10, Predicting Continuous Target Variables with Regression Analysis, discusses the essential techniques for modeling linear relationships between target and response variables to make predictions on a continuous scale. After introducing different linear models, it also talks about polynomial regression andtree-based approaches.

第１１章　クラスタ分析 -- ラベルなしデータの分析
Chapter 11, Working with Unlabeled Data – Clustering Analysis, shifts the focus to a different subarea of machine learning, unsupervised learning. We apply algorithms from three fundamental families of clustering algorithms to nd groups of objects that share a certain degree of similarity.

第１２章　ニューラルネットワーク -- 画像認識トレーニング
Chapter 12, Training Arti cial Neural Networks for Image Recognition, extends the concept of gradient-based optimization, which we rst introduced in Chapter 2, Training Machine Learning Algorithms for Classi cation, to build powerful, multilayer neural networks based on the popular backpropagation algorithm.

第１３章　ニューラルネットワーク　-- 数値計算ライブラリ Theano によるトレーニングの並列化
Chapter 13, Parallelizing Neural Network Training with Theano, builds upon the knowledge from the previous chapter to provide you with a practical guide for training neural networks more ef ciently. The focus of this chapter is on Theano, an open source Python library that allows us to utilize multiple cores of modern GPUs.

担当の方は、事前学習用にということで資料の共有が可能であれば、任意でメールまたは共有しておりますgoogleドキュメントフォルダに保存をお願いします。
gmailアカウントが無い場合は、メールで事務局までご送付ください。

初回に参加されなかった初めての方は、機械学習関連の知識習得という目的でも大丈夫です。
次回以降の抄読会にご自身が参加したいという希望があれば是非お願いします。

●受付時間　13:15 受付開始　13:30　開始　　17:00　終了
●費用　500円（資料・会場）
●募集人数　30名
●参加者要件
　・機械学習を学ぶ意欲のある方。
　・PythonやRでデータ分析をやってみたい方。
　・本、またはスライドに英単語が多く出てくるので、英語に抵抗の無い方。
　・PythonやRのほか、Spark、Juliaなど順次取り上げていきますのでこれらに関心の有る方。
●機械学習本について
　・原書をご購入希望される方は、こちらより電子書籍をお求めください。任意です。
→　https://www.packtpub.com/big-data-and-business-intelligence/python-machine-learning