現場で使える機械学習・データ分析基礎講座

現場で使える機械学習・データ分析基礎講座

機械学習プロジェクトの一連の流れと様々なアルゴリズムの詳細を、ハンズオンを通じて学べる講座です。

機械学習の概論から始まり、徐々にそれぞれのアルゴリズムの核心を学べるように設計しています。「Practice makes perfect」の考えに基き、ハンズオンを通じての技術習得を目指します。また、限られた時間での学習効果を最大化するため、ブレンド型学習メソッドを取り入れています。プログラムを通して、実際の企業データを元にポートフォリオ作成し、プロジェクト手順で進行することで、現場ですぐに使える実践的内容となっています。

講座の特長

圧倒的充実のカリキュラム

国際的に活躍するAI研究の第一人者監修のもと、実務家が教材を作成しています。体系的に学ぶためのハブとなる講座で、本講座を修了すれば、AI人材として独り立ちすることが可能な基礎力を身につけている状態となります。

体系的知識が定着する講義スタイル

座学中心になりがちな知識的内容は動画講義で予習し、対面講義では動画講義の内容の深掘り、グループワーク、ハンズオンなどに時間を割くことで、講義期間内の理解を最大化させます(ブレンド型学習)。

一流講師陣による徹底フォロー

経験豊富な一流講師陣が、講義外でも無制限にチャット質問に対応いたします。講師が重要だと思うことに関しては、様々な事例を交え、理論が理解できるような形で進めます。また、毎回講義動画を撮影しているので、いつでも復習可能です。

講座期間内で機械学習モデルを構築

講義期間の通し課題として、各受講者自身の手で機械学習モデルを構築し、最終発表をしていただきます。”自ら構築した”という経験をもとに、自信を持ってAI人材として羽ばたいていただけます。

JDLAの第1号認定プログラム

日本ディープラーニング協会の認定プログラム第1号として、E資格の機械学習出題範囲に対応しています。

講座で得られる3つのもの

現場で使える機械学習・データ分析基礎講座の特長

講座概要

講座名 現場で使える機械学習・データ分析基礎講座
講座時間 全8回コース (対面講義4回×4時間 + 予習動画4回×約2時間) 合計24時間
料金

対面講座¥160,000/1名(税別)

オンライン講座:¥160,000/1名(税別)

※【早割実施中】東京10期を2/10(日)までにお申し込みで10%OFFいたします。
お支払画面にて、ディスカウントコード(ML-ASF08KD-0210)を入力してください。

定員 20名

※料金に標準で含まれるもの:①対面講義(16時間) ②予習動画(約8時間) ③復習動画(修了後1ヶ月まで公開) ④講義資料(Notebook等含む) ⑤通し課題の発表に対するコメント(オンライン受講の場合は、講師とのビデオチャット) ⑥チャット質問対応 ⑦ML知識テスト(全日程修了後受験可能) ⑧ML修了証

前提知識

  • Pandas, Numpy, scikit-learnなどのPythonライブラリを使ったことがある、もしくはPython講座を受講された方
  • 線形代数、微分、確率・統計を習ったことがある方(基礎数学講座のカリキュラムの内容が理解できる)

 

受講後の姿

  • 前処理から評価までの一連の流れを理解しており、データが与えれらた時に、どのようなアウトプットをすべきか理解し実装できる
  • 主要なMLアルゴリズムを理解しており、データに応じた適切な手法を選択・実装ができる

 

カリキュラム

DAY1DAY2DAY3DAY4

DAY1

機械学習概論

  1. 人工知能とは
  2. 機械学習とは
  3. 機械学習アルゴリズムの実装とワークフロー
  4. 機械学習アルゴリズム概観

教師あり学習の基礎

  1. 線形回帰
  2. ロジスティック回帰
  3. 多変量モデルへの拡張

モデルの評価指標

  1. 回帰問題(MAE/MSE/RMSE)
  2. 分類問題(精度/適合率/再現率/F1-score)

DAY2

モデルの検証・正則化

  1. 訓練誤差と汎化誤差
  2. 過学習
  3. 正則化(L2/L1)
  4. ホールドアウト法・交差検証法

前処理

  1. 正規化 / 標準化
  2. 無相関化 / 白色化

教師あり学習の発展的トピック

  1. サポートベクターマシン

DAY3

前処理

  1. 特徴選択

教師あり学習の発展的トピック

  1. 木モデル(決定木・ランダムフォレスト)
  2. ニューラルネットワーク

DAY4

教師あり学習の発展的トピック

  1. 深層学習
  2. k-最近傍法

教師なし学習

  1. クラスタリング
  2. 特徴抽出・次元削減

モデルの改善

  1. ハイパーパラメータ最適化

※カリキュラムは変更となる場合がございます。

開催日程

東京大阪名古屋

東京 第10期

DAY1:03/02(土)13:30 〜 17:30
DAY2:03/16(土)13:30 〜 17:30
DAY3:03/30(土)13:30 〜 17:30
DAY4:04/13(土)13:30 〜 17:30
予備日:04/20(土)13:30 〜 17:30

※同日程でオンラインでの受講も可能です。

場所:スキルアップAI 水道橋オフィス
東京都千代田区神田三崎町3-3-20 VORT水道橋Ⅱ 5階
​※実施回によって会場が異なる場合がございますが、Slackにて事前にご連絡いたします。

説明会 〜AI領域でキャリアを積みたい人の機械学習学び方入門〜

・02/09(土)14:30~15:30▶︎お申し込み
・02/16(土)14:30~15:30 ▶︎お申し込み
・02/23(土)14:30~15:30 ▶︎お申し込み

場所:スキルアップAI 水道橋オフィス
東京都千代田区神田三崎町3-3-20 VORT水道橋Ⅱ 5階

講師紹介

  • 日熊 悠太
    日熊 悠太

    2014年に株式会社ABEJAに参画。AIを活用した同社映像解析アルゴリズムの開発を行い、数百店舗にて導入される。後に十数社に対しての映像解析を中心としたAI導入プロジェクトにて開発のリードを行う。2018年に株式会社 KICONIA WORKSに参画。映像解析のみならず、様々な技術を利用したAI導入プロジェクトのリードを行う。


大阪 

現在準備中です。

名古屋 第1期

DAY1:03/12(火)14:00 〜 18:00
DAY2:03/26(火)14:00 〜 18:00
DAY3:04/11(木)14:00 〜 18:00
DAY4:04/25(木)14:00 〜 18:00

場所:西川コミュニケーションズ本社

講師紹介

  • 川西 康友
    川西 康友

    名古屋大学 大学院情報学研究科 助教。 京都大学大学院情報学研究科博士後期課程修了後、同大特定研究員、名古屋大学未来社会創造機構特任助教、同大学大学院情報科学研究科助教を経て、現在、同大学情報学研究科助教。防犯カメラや車載カメラなどの映像を対象とした、統計的機械学習に基づく画像処理・画像認識が専門。ディープラーニングに関する講演も多数おこなっている。

ご案内

当日の持ち物

ご自身のノートPC。Anaconda3-5.0.1以上のインストールをいただき、ブラウザでJupyterが表示できている状態まで事前に準備お願い致します。 その他準備は、お申し込み後、ご案内いたします。

会場への入場

講義開始の10分前からとさせていただきます。

スケジュール

隔週土曜日(対面講義)

講座監修

  • 杉山将
    杉山 将

    2001年に東京工業大学博士課程修了。同大学助手・准教授を経て2014年より東京大学教授。2016年より理化学研究所革新知能統合研究センター長を併任。統計的機械学習(オーム社, 2009)、イラストで学ぶ機械学習(講談社, 2013)、機械学習のための確率と統計(講談社, 2015)など、機械学習に関する著書多数。講談社機械学習プロフェッショナルシリーズの監修も務める。

 

よくあるご質問

講座についていけるか不安です

スキルアップAIの基礎数学講座のカリキュラムが理解できていれば大丈夫です。微分であれば、偏微分が理解できていること、線形代数であれば、固有値分解が理解できているといったレベルです。不安な方は、事前に基礎数学講座を受講ください。また、Pythonはnumpy,Pandas等のライブラリを利用できるレベルが必要です。不安な方は、Python講座を受講ください。

申込締切はいつですか?

開催日の3日前までです。DAY1の対面講座の前までに予習動画を見ていただく必要がありますので、時間に余裕を持ってお申し込みください。オンラインの場合、開講後でもお申し込みいただけます。(DAY2頃まで)

対面講座ではどのようなことをしますか?

予習用動画を見て、不明点は対面講座前までにリストアップしていただきます。対面では、受講者がリストアップした点を中心に説明を実施します。基本的には、グループワークやハンズオンなどの比重を高く実施いたします。(受講者の理解度に応じて講師が比重を判断する場合があります。)

領収書・請求書などの発行は可能ですか?

はい、可能ですので、お申し込み時の備考にその旨と宛名をご記入ください。但し、クレジットカード(Paypal)でお支払いの場合、PayPal発行の受領書が領収書となりますので、領収書の発行はできません。

関連する講座

Page Top
お申し込みはこちら