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
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） |
| 定員 | 25名（最少催行人数10名） |
料金に標準で含まれるもの：
【対面講義】
①対面講義（16時間） ②予習動画（約8時間） ③対面講義の録画動画（16時間) 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 ⑥チャット質問対応 ⑦確認テスト
【オンライン講義】
①対面講義の録画動画（16時間） ②予習動画（約8時間） ③講義資料（Notebook等含む） ④通し課題の発表に対するコメント（講師とビデオチャットで実施） ⑤チャット質問対応 ⑥確認テスト
※動画の視聴期限、チャット質問期限はいずれも講義最終日から30日間となります。
※最少催行人数に満たない場合は、開講日の1週間前に開催を判断致します。
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
DAY1
機械学習概論
- 人工知能とは
- 機械学習とは
- 機械学習アルゴリズムの実装とワークフロー
- 機械学習アルゴリズム概観
教師あり学習の基礎
- 線形回帰
- ロジスティック回帰
- 多変量モデルへの拡張
モデルの評価指標
- 回帰問題（MAE/MSE/RMSE）
- 分類問題（精度/適合率/再現率/F1-score）
DAY2
モデルの検証・正則化
- 訓練誤差と汎化誤差
- 過学習
- 正則化（L2/L1）
- ホールドアウト法・交差検証法
前処理
- 正規化 / 標準化
- 無相関化 / 白色化
教師あり学習の発展的トピック
- サポートベクターマシン
DAY3
前処理
- 特徴選択
教師あり学習の発展的トピック
- 木モデル（決定木・ランダムフォレスト）
- 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
- 深層学習
- k-最近傍法
教師なし学習
- クラスタリング
- 特徴抽出・次元削減
モデルの改善
- 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
各期開催場所はスキルアップＡＩ水道橋オフィスで開催。
住所:東京都千代田区神田三崎町3-3-20 VORT水道橋Ⅱ 5階
東京 第13期
DAY2：6/25（火）13:30 〜 17:30
DAY3：7/09（火）13:30 〜 17:30
DAY4：7/23（火）13:30 〜 17:30
予備日：7/30（火）13:30 ～ 17:30
※同日程でオンライン講座も同時開催いたします。
東京 第14期
DAY２：8/17（土）13:30 〜 17:30
DAY３：8/31（土）13:30 〜 17:30
DAY４：9/14（土）13:30 〜 17:30
予備日：9/21（土）13:30 〜 17:30
※同日程でオンライン講座も同時開催いたします。
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〜
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
大阪
名古屋
担当講師一覧
-
-
-
小縣 信也兵庫県出身。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner(現オープンCAE勉強会＠関東)を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所 優秀技術者賞受賞。
日本ディープラーニング協会主催2018E資格試験 優秀賞受賞、2019#1E資格試験優秀賞受賞。最近は、需要予測や異常検知などのモデル開発に取り組んでいる。
-
-
-
斉藤 翔汰スキルアップAI講師。横浜国立大学大学院 環境情報学府 情報メディア環境学専攻（現:情報環境専攻）修了。修士（情報学）。高専時代に画像認識に対して興味を持ったことがきっかけで、現在はDeep Learningや機械学習、進化計算などの人工知能分野におけるアルゴリズムの研究開発やコンサルティングに従事。日本ディープラーニング協会の2018年度・2019年度E資格合格者、2018年度G検定合格者。
-
-
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。
-
ご案内
事前準備
Anaconda3-5.1.0をインストールし、ブラウザでJupyterNotebookを表示できる状態まで事前に準備お願い致します。（Anaconda3の最新版だと不具合が出た事例がありますのでAnaconda3-5.1.0をインストールしてください）
こちらを参考にしてください >>https://goo.gl/FRWrax
※各自で必ず当日までに環境構築をお願いいたします。もし環境構築等でご不明な点等あれば、事前にご連絡いただければご案内します。
※その他に必要なご準備に関しては、お申し込み後にご案内いたします。
当日の持ち物
ご自身のノートPC。
※Wi-Fi環境はございますが、
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（対面講座）の３日前までです。３日前までに、お支払い済みである事が確認できている必要があります。対面講座は予習動画を視聴していることが前提ですので、余裕を持ってお申し込みいただくことをお勧めいたします。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。
開催日程に記載されている予備日とは何ですか？
気象状況や講師の体調不良などにより講座を延期をさせていただくことがあるため、予備日を設けております。予定通り授業が開催された場合には、予備日に授業を行うことはございません。
