Pythonで学ぶＡＩ活用入門｜JTEX 職業訓練法人日本技能教育開発センター

第1章　AIの概要

AIとは？
AIの歴史
現在のAIマップ

第2章　機械学習の概要

機械学習とは
機械学習の要素
機械学習の分類
教師あり学習
教師なし学習
半教師あり学習
ディープラーニング
強化学習

第3章　機械学習の基本的な手順

機械学習の流れ
データセット
データフォーマット
前処理
次元の呪い
主成分分析による次元圧縮
バイアスとバリアンス
評価方法：クロスバリデーション
簡単な識別器：k-近傍法
評価指標：F値／ROC曲線

第4章　Pythonによる機械学習の手順

プログラミング環境準備
scikit-learnによる機械学習の基本的な流れ
K-近傍法によるIrisデータの識別
識別境界面の描画
近傍数kの影響

第5章　教師あり学習［１］

識別（1）: 決定木学習
決定木学習の基礎
決定木学習によるIrisデータの識別実装例



識別（2）: ナイーブベイズ分類器
統計的機械学習とは
MAP推定によるナイーブベイズ分類器の基礎
簡単な例
ゼロ頻度問題への対処
ナイーブベイズ分類器によるゴルフプレイ識別実装例



識別（3）: ロジスティック回帰
ロジスティック回帰の基礎
正則化による過学習の抑制
ロジスティック回帰による手書き文字認識実装例

第6章　教師あり学習［２］

識別（4）: ニューラルネットワーク
ニューラルネットワークの基礎
効率的な学習テクニック
多層パーセプトロンによる手書き文字認識実装例



識別（5）: サポートベクタマシン
サポートベクタマシンの基礎
入れ子の交差検証によるハイパーパラメータ調整
SVMによる乳がん診断データの識別実装例



回帰
線形回帰
線形基底回帰
ニューラルネットワークによる回帰
サポートベクタ回帰
回帰問題の評価指標
逐次特徴選択
各種回帰手法による住宅価格推定実装例

第7章　教師なし学習

クラスタリング
階層型クラスタリング
K-meansクラスタリング
ガウス混合モデル
自己組織化マップ(SOM)
クラスタリングの評価指標
SOMによるglassデータのクラスタリングと可視化実装例

異常検知
異常検知の基本的な考え方
評価指標
Local Outliner Factor
One-class SVM
Isolation Forest
機器の振動データに対する異常検知実装例

第8章　ディープラーニング

ディープラーニングの概要
ディープラーニングの分類
表現学習とファインチューニング
AutoEncoderによる事前学習
DropOutによる過学習の抑制
畳込みニューラルネット（CNN）
時系列データの学習；RNNとLSTM
ディープラーニングツールKerasについて
Pythonによる実装例：AutoEncoder+DNN,CNN