機械学習モデルの性能最大化とハイパーパラメータのチューニング

☆ 具体的な解決方法が学べる！実務で使えるスキルが身につく！ ☆ Optuna（Python）を用いた、最適な設定を見つけるための手順とポイント

日時

【Live配信】2024年８月２６日（月）１３：００～１７：００【アーカイブ（録画）配信】2024年９月４日（水）まで申込受付（視聴期間：９月４日～９月１４日まで）

セミナー講師

大阪大学　産業科学研究所　知能アーキテクチャ研究分野　准教授　博士 (情報科学)　福井 健一　氏

◆講師略歴・活動など◆経歴2005年?2010年3月 大阪大学 産業科学研究所 新産業創造物質基盤技術研究センター 特任助手 (職名改名により2007年より特任助教)2010年3月 大阪大学 大学院 情報科学研究科より 博士 (情報科学) 取得2010年4月～2015年6月 大阪大学 産業科学研究所 第1研究部門 (情報・量子科学系) 助教2015年7月～ 大阪大学 産業科学研究所 知能アーキテクチャ研究分野 准教授

学協会2011年度～2014年度 情報処理学会 論文誌編集委員2014年度～2017年度 人工知能学会編集委員2015年度～ 情報処理学会論文誌:数理モデル化と応用 (TOM) 編集委員2017年度～ 電子情報通信学会人工知能と知識処理研究専門委員会委員2017年度～ 電子情報通信学会和文論文誌D 編集委員

セミナー受講料

聴講料 1名につき55,000円（消費税込/資料付き）〔1社2名以上同時申込の場合のみ1名につき49,500円〕

受講について

■　Live配信セミナーの視聴環境について

• 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
• 下記リンクから視聴環境を確認の上、お申し込みください。　→ https://zoom.us/test
• 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
• セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
• Zoomクライアントは最新版にアップデートして使用してください。
• Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
• パソコンの他にタブレット、スマートフォンでも視聴できます。
• セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
• 当日は講師への質問をすることができます。可能な範囲で個別質問にも対応いたします。
• 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
• 複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• Zoomのグループにパスワードを設定しています。
• 部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

■Live配信・アーカイブ配信セミナーの受講について

• 開催前日または配信開始日までに視聴用のURLとパスワードをメールにてご連絡申し上げます。セミナー開催日時またはアーカイブ配信開始日に、視聴サイトにログインしていただき、ご視聴ください。  
• 出席確認のため、視聴サイトへのログインの際にお名前、ご所属、メールアドレスをご入力ください。ご入力いただいた情報は他の受講者には表示されません。
• 開催前日または配信開始日までに、製本したセミナー資料をお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日または配信開始日までに資料の到着が間に合わないことがあります。
• 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
• 複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• アーカイブ配信セミナーの視聴期間は延長しませんので、視聴期間内にご視聴ください。

セミナー趣旨

昨今、ディープラーニングを代表とするデータに基づく機械学習が、産業界の様々な領域に導入されています。しかし、実用化に際してはいくつかの主要な課題が存在します。具体的には、過学習を抑えて未知データに対する汎化性能を向上させる方法、重要な特徴量の選別、そして学習では直接最適化が難しいハイパーパラメータの調整が挙げられます。本セミナーでは、これらの課題に対する代表的な対応策と、それらのPythonによる実装方法について丁寧に解説します。参加者は、理論的な背景に加え、実際のコードを通じて具体的な解決方法を学び、機械学習の実務において使えるスキルを習得することを目指します。

セミナープログラム

１．過学習の抑制　1.1 ロジスティック回帰　1.2 L1/L2正則化　1.3 ディープラーニングにおける過学習の抑制　　a.DropOut法　　b.Batch Normalization法　1.4 L1/L2正則化の比較（Python実装解説）

２．特徴選択　2.1 逐次特徴選択　2.2 モデルベース特徴選択　　a.L1正則化による特徴選択　　b.決定木学習/Random Forestに基づく特徴選択　2.3 各種特徴選択の比較（Python実装解説）

３．ハイパーパラメータ最適化　3.1 サポートベクトルマシン　3.2 ハイパーパラメータ最適化問題　　a. ランダムサーチ　　b. グリッドサーチ　　c. ブラックボックス最適化　3.3 クロスバリデーションによる評価　3.4 Optunaによるハイパーパラメータ最適化（Python実装解説）

【質疑応答】