【公開講座】DP-100 Azure機械学習自動化コース〜モデル開発を自動化できる

1．イントロダクション

• ・人工知能、機械学習、ディープラーニングとは
• ・機械学習に必要な数学
• ・機械学習の３大トピック
• ・内挿と外挿

2．微分

• ・微分は「何」に使えるのか？
• ・導関数を求めよう
• ・微分の公式
• ・偏微分

3．単回帰分析（数学）

• ・「モデル」を決める
• ・「評価関数」を決める
• ・評価関数を「最小化」する

4．Python入門

• ・プログラミングの環境構築
• ・変数
• ・基本構文
• ・複数の変数を扱う
• ・制御構文
• ・関数

5．単回帰分析(実装）

• ・Numpyの数値計算
• ・Pandasによるデータベース操作
• ・Matplotlibでグラフ描画
• ・実データに対する単回帰分析の実装

6．線形代数

• ・スカラー,ベクトル,行列
• ・行列の演算
• ・サイズ感
• ・転置,単位行列,逆行列
• ・ベクトルで微分

7．重回帰分析(数学)

• ・「モデル」を決める
• ・「評価関数」を決める
• ・評価関数を「最小化」する

8．重回帰分析(実装)

• ・行列演算の基礎
• ・パラメータの導出
• ・実データで演習

9．統計

• ・主な統計量
• ・正規分布と3σ法
• ・スケーリング

10．外れ値を考慮した実装

• ・外れ値除去
• ・モデル構築
• ・スケーリングとパラメータの確認

11．ビジネス活用

• ・現場で機械学習を導入できる人材とは

1．イントロダクション

• ・Azure Machine Learningの概要
• ・機械学習モデル開発のフロー

2．Azure Machine Learning Designerの基礎

• ・分類モデル構築のフローの作成
• ・学習済みモデルのデプロイ
• ・演習：回帰モデル構築のフローの作成

3．Azure Machine Learning Designerの応用

• ・手持ちデータの読み込みとデータ操作
• ・ハイパーパラメータの調整
• ・分類の評価指標

4．ディープラーニングの実装1

• ・PyTorchの基礎
• ・線形変換
• ・非線形変換

5．分類のアルゴリズムの実装 (scikit learn)

• ・データの前処理
• ・モデルの学習
• ・モデルの評価

6． 演習

• ・scikit-learnでモデルの構築

7．Azure Machine Learning SDKの基礎

• ・Experimentの基本操作
• ・学習結果をExperimentに記録

1．Azure Machine Learningで学習の高速化

• ・データセットの取り扱い
• ・並列分散処理で学習の高速化

2．Azure Machine Learningで自動ハイパーパラメータ調整

• ・ハイパーパラメータ調整の設定
• ・早期終了の設定
• ・学習済みモデルをWorkspaceに登録

3．Azure Machine Learningで学習の自動化

• ・パイプラインの作成
• ・パイプラインのデプロイとスケジューリング

4．演習

• ・Azure Machine Learningでモデルの学習

5．学習済みモデルのデプロイ

• ・リアルタイム推論
• ・バッチ推論

6．データセットの監視

• ・データドリフトの概要
• ・データドリフトモニターの活用

7． 総括

• ・試験のポイント
• ・振り返り