愛知県立大学 情報科学部 教授　小林 邦和　氏
（愛知県立大学 次世代ロボット研究所 所員）
【経歴】
山口大学工学部助手，同助教，愛知県立大学情報科学部准教授を経て，2017年4月より現職，同時に愛知県立大学次世代ロボット研究所副所長を兼務．この間，ヒューストン大学工学部医用生体工学科客員研究員を兼任．博士（工学）．
【専門】
機械学習（人工知能），知能ロボティクス
【所属学会】
米国電気電子学会(IEEE)，電子情報通信学会，電気学会，人工知能学会，計測自動制御学会，ロボカップ日本委員会の各会員．
【学会活動】
電気学会技術シーズ創出に向けた機械学習協同研究委員会委員長(2012～2014年)，電気学会学習アルゴリズムの高度化を指向した機械学習技術協同研究委員会委員長(2014～2016年)，ICAROB国際プログラム委員会委員(2014～2019年)などを歴任．
現在，Journal of Robotics, Networking and Artificial Life編集委員(2014年～)，電気学会論文誌特集号編修小委員会委員(2014年～)，電気学会システム技術委員会1号委員(2017年～)，ICAROB国際組織委員会委員(2019年～)，あいちロボカップAP2020開催委員会競技専門部会部会員(2019年～)，ロボカップ日本委員会理事(2019年～)などを務める．
【受賞】
ANNIE最優秀論文賞(1994年)，ロボカップジャパンオープン 小型ロボット車輪型優勝(2013年)，ロボカップ研究賞(2014，2015年)，ロボカップ・ジャパンオープンサッカー標準プラットフォームリーグ優勝(2014，2015，2018年)，同準優勝(2016，2017年)，電気学会電子・情報・システム部門大会企画賞(2016年)，ロボカップ世界大会サッカー標準プラットフォームリーグチャレンジシールド部門優勝(2017年)，同第3位(2018年)，人工知能学会賞(2018年)など．
【講師WebSite】
http://www.ist.aichi-pu.ac.jp/~koba/

　機械学習の専門書は、たくさん出版されていますが、理論と実践が揃って、はじめて現場で使える技術とになります。本通信講座では、機械学習の理論的側面のみに着目するのではなく、コンピュータを用いた実践演習を通して、理解を深めることで、機械学習を使える技術にできるように工夫されています。演習では、最近さまざまな分野で、注目を集めているコンピュータ言語Pythonと機械学習系ライブラリ(scikit-learn)を用いますので、Pythonの独習も行うことができます。同時に、各回の終了後には、演習問題を通して、理解の確認作業が行えます。

　本通信講座の受講対象者は、純粋に最近流行りのPythonを学びたい人から、業務でデータ処理・解析をしたい人まで、幅広い方を対象としています。特に、日々大量のデータを扱っていて、そのデータの山から知識を抽出したいと思っている方が最適な対象者となります。Pythonでコーディングした経験がない人も歓迎しますが、実践演習を通して学んでいきますので、他の言語によるプログラミングや、コンピュータ(アプリケーションソフトウェア)によるデータ処理の経験がある方が望ましいです。

【趣旨】　 　本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術として習得できるように工夫されている。 　第１講では、まず1章で機械学習の概要について説明する。その後、2章でPythonの基礎について学び、3章では第２講、及び第３講で実施する機械学習の各手法の演習に備えて、演習環境の構築を行う。 【プログラム】 １．機械学習 　1.1 定義 　1.2 分類 　　1.2.1 教師あり学習 　　1.2.2 教師なし学習 　　1.2.3 強化学習 ２．Python 　2.1 概要 　2.2 どの言語を学ぶか 　2.3 Pythonの優位性 　2.4 Pythonのバージョン 　2.5 文法基礎 　　2.5.1 変数 　　2.5.2 データ型 　　2.5.3 文字列 　　2.5.4 リスト 　　2.5.5 タプル 　　2.5.6 辞書 　　2.5.7 型変換 　　2.5.8 多重代入 　　2.5.9 ブロック 　　2.5.10 コメント 　　2.5.11 長文 　　2.5.12 算術演算子 　　2.5.13 複合演算子 　　2.5.14 ビット演算子 　　2.5.15 関係式 　　2.5.16 論理式 　　2.5.17 条件分岐 　　2.5.18 繰り返し 　　2.5.19 関数 　　2.5.20 スコープ 　　2.5.21 参考書 ３．演習環境の構築 　3.1 概要 　3.2 インストール（Python） 　3.3 実行方法（Python） 　3.4 ライブラリの使い方 　　3.4.1 インストール（外部ライブラリ） 　　3.4.2 標準ライブラリ 　　3.4.3 NumPy 　　3.4.4 Matplotlib 　　3.4.5 scikit-learn 　3.5 データセット □ 演習問題・添削 □

 

【趣旨】　 　本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術として習得できるように工夫されている。 　第2講では、機械学習の三大学習（教師あり学習、教師なし学習、強化学習）の中で、教師あり学習を取り上げ、理論と演習を通して、理解を深めていく。まず、教師あり学習の概要について説明する。その後、教師あり学習の手法として、k最近傍法（1章）、線形モデル（2章）、サポートベクトルマシン（3章）の3つを取り上げ、解説する。同時に、Pythonを用いた演習を通して、理解を深める。 【プログラム】 １．k最近傍法 　1.1 クラス分類への適用 　1.2 回帰への適用 　1.3 k最近傍法の特徴 ２．線形モデル 　2.1 回帰への適用 　2.2 クラス分類への適用 　2.3 線形モデルの特徴 ３．サポートベクトルマシン 　3.1 線形モデル 　3.2 非線形モデル 　3.3 サポートベクトルマシンの特徴 □ 演習問題・添削 □

 

【趣旨】 　本講座は機械学習理論の説明に留まらず、コンピュータ言語の一種であるPythonを用いた演習を通して、機械学習を使える技術として習得できるように工夫されている。 　第3講では、機械学習の三大学習（教師あり学習、教師なし学習、強化学習）の中で、教師なし学習を取り上げ、理論と演習を通して、理解を深めていく。まず教師なし学習の概要について説明する。次に、教師なし学習の手法として、次元削減（1章）とクラスタリング（2章）について説明する。その後、機械学習を適用する際に、重要な事項（3章）について説明する。同時に、Pythonを用いた演習を通して、理解を深める。 【プログラム】 １．次元削減 ２．クラスタリング 　2.1 k平均法 　2.2 凝集型クラスタリング 　2.3 DBSCAN ３．実装上の注意事項 　3.1 データの前処理 　3.2 テスト誤差の最小化 　3.3 ハイパーパラメータの最適化 　3.4 実データの読み込み □ 演習問題・添削 □

(１) PC の環境が必須です。
　　　・通信講座の進行上の連絡はE-Mail で行います。本人の個別E-Mail アドレスをご用意ください。
　　　・演習問題解答用紙、模範解答、修了証などの各種データは、Word、Excel、PDF などを使用します。

(２) 受講者全員のS&T 会員登録が必須です。
　　　・通信講座の受講では弊社S&T 会員「マイページ」機能を使用します。
　　　　（ebook版テキストのダウンロード(bookend使用)、演習問題解答用紙など各種データのダウンロード、講師への質問など）

　　【 会員価格（5%OFF）適用条件 】
　　　・弊社案内（E-MailまたはDM）希望の場合のみ適用します。
　　　・複数名のお申込みは、受講者全員の案内希望チェックが必須です。
　　　・弊社案内を希望されない方は、S&T 会員登録の際に案内方法欄のチェックを外してください。