まずは無料でお試し!
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のうち、カリキュラムの一部が視聴できます。まずは無料動画を見て、分かりやすさやレベル感を確認してみてください。
無料トライアル版に含まれる内容(約30分相当)
- 第 1 章:機械学習概論
トライアルを利用せずに講座にお申込みの方はこちら
- 機械学習プロジェクトの流れ
機械学習を用いた実践的なプロジェクトを体験し、実務に活かすことができるようになります。
- 機械学習に重要なアルゴリズム
機械学習を様々なプロジェクトで応用できるようになります。
実際の教材例
受講に必要なスキル・前提知識
必須スキル
- Pandas、 NumPy、scikit-learn、Matplotlib等のPythonライブラリの基本的な使い方を習得している (機械学習のためのPython入門講座 修了相当)
- 線形代数、微分、確率・統計の基本的な理論を理解している(機械学習・ディープラーニングのための基礎数学講座 修了相当)
講座の特長
圧倒的充実のカリキュラム
AI導入・開発経験のある現役のデータサイエンティスト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、ライブ講義では予習内容の深掘り、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)。
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ていただきます。ライブ配信講義では、講座期間中の各提出期日に課題の進捗を提出いただきますと、コーディングの指導を含め、講師が丁寧に添削いたします。“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。
E資格の機械学習出題範囲に対応
日本ディープラーニング協会が実施するE資格の機械学習出題範囲に対応しています。
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 |
---|---|
受講形式 |
オンライン講座:ライブ配信形式 Zoomを利用してライブ配信形式でリアルタイムに受講いただけます。ネット環境のある場所であればどこからでも受講可能です。 |
講座時間 | 事前学習約7時間+ライブ講義16時間(4日×4時間) ※Notebook解説動画6.5時間 |
料金 | 165,000円/1名(税込) |
オプション |
– |
定員 | 25名(最少催行人数10名) |
申込期限 | DAY1の2週間前まで ※環境構築とDAY1の予習に10時間程度必要です。 |
チャットの質問期間 | 講座チャンネルへの招待日から最終講義日の1ヶ月後まで |
備考 | – |
講座名 | 現場で使える機械学習・データ分析基礎講座 |
---|---|
受講形式 |
オンライン講座:eラーニング形式 お好きな時間、お好きな場所でeラーニング形式にて受講いただけます。 |
講座時間 | 動画講義約13.5時間(演習時間除く) |
料金 | 55,000円/1名(税込) |
オプション |
チャット質問対応 料金:55,000円/1名(税込) |
定員 | – |
動画の視聴期間 | 動画共有日から1年間 |
チャットの質問期間 | 講座チャンネルへの招待日から3ヶ月間 ※オプションお申込みの場合 |
備考 | オプションなしの場合は、受講開始日の指定と請求書・見積書の発行対応はできません。 入金確認後3営業日以内にご案内します。 |
カリキュラム
DAY1
第 1 章:機械学習概論
- 人工知能と機械学習
- 回帰と分類
第 2 章:教師あり学習の基礎
- 線形回帰モデル
- ロジスティック回帰モデル
第 3 章:モデルの評価指標
- 回帰問題の評価指標
- 分類問題の評価指標
DAY2
第 4 章:モデルの検証と正則化
- 訓練誤差と汎化誤差
- 汎化誤差の推定
第 5 章:モデルの構築と改良
- モデルのチューニング
- ハイパーパラメータ
第 6 章:代表的な前処理
- 欠損値処理
- 外れ値・異常値処理
第 7 章:特徴選択
- 次元の呪い
- 特徴選択
DAY3
第 8 章:決定木
- 決定木
- 不純度の算出
第 9 章:アンサンブル学習
- アンサンブル学習
- ランダムフォレスト
第 10 章:サポートベクターマシン
- サポートベクターマシンの基本概念
- ハードマージン法
DAY4
第 11 章:深層学習の概要
- ニューロンとニューラルネットワーク
- パーセプトロン
第 12 章:畳み込みニューラルネットワーク
- 畳み込みニューラルネットワーク
- 畳み込みとプーリング
第 13 章:深層学習の代表的な手法
- 再帰型ニューラルネットワーク
- 敵対的生成ネットワーク
第 14 章:教師なし学習
- クラスタリング
- k-means 法
第 15 章:AutoML
- AutoML とは?
- 代表的な AutoML サービス
※カリキュラムは変更となる場合がございます。
開催日程
オンライン講座:ライブ配信形式
第29期 ※募集締め切り
DAY1:2023/10/3(火)13:00 〜 17:00
DAY2:2023/10/23(月)13:00 〜 17:00
DAY3:2023/11/10(金)13:00 〜 17:00
DAY4:2023/11/24(金)13:00 〜 17:00
予備:2023/11/30(木)13:00 〜 17:00
講師:田澤 賢
※申込締切日は、9/19(火)です。
オンライン講座:eラーニング形式
随時お申し込み可能です。受講方法については、お支払い確認後、3営業日以内にご案内いたします。
※チャット質問対応は含まれません。講座に関するご質問や環境構築などのご質問をご希望の方はオプションをお申し込みください。
お問い合わせ
講師紹介
-
北海道大学生命科学院修士課程修了。専門は動物行動学及び神経科学。脳の研究をする中でAIに興味をもち、人工知能開発ベンチャーで自然言語処理に関わるプロジェクトに従事。その後AWLにて画像認識技術を用いて防犯向け等の店内行動解析に従事。現在はフリーランスとして機械学習やWebサービス開発を手がける。日本ディープラーニング協会の2020年G検定合格者。
-
スキルアップAI講師。東京電機大学大学院 未来科学研究科 情報メディア学専攻 修了。修士(情報メディア学)。修士課程では、ディープラーニングを用いた特徴抽出技術を応用し、効果音を元に類似効果音を検索するシステムを開発。学生時代は個別指導塾の講師として、小学2年生〜高校3年生の英語・数学・理科(物理)の指導に従事。2021年度ディープラーニング協会G検定・E資格合格者。
-
スキルアップAI講師。東京大学大学院新領域創成科学研究科情報生命科学専攻(現:メディカル情報生命専攻)修士課程卒業。 前職では、バイオインフォマティクス解析やシステム開発に加え、画像認識や時系列データのAI開発業務に従事。
ご案内
PCの動作環境
- MacOSX 10.9 以上
- Windows 8 以上(64bit必須)
- メモリ8GB以上必須
※8GB未満でも受講して頂くことは可能ですが、大容量のデータを扱うため、より高スペックなPCの利用を推奨しています。
メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。
事前準備
本講座では、MinicondaまたはAnacondaをインストールしていただきます。また、pipというライブラリ管理ソフトを使って、Python ライブラリをインストールしていただきます。これらインストール作業を行えるパソコン環境をご準備ください。特に、社用のパソコンなどでアクセス制限のあるインターネット回線をご利用の方は、インストール作業を問題なく行えることを事前にご確認ください。ご不明な点がございましたら、事前にご連絡ください。
FAQ
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。
講義以外で必要な学習時間はどのくらいですか?
対面・ライブ講義や動画講義視聴時間以外では、Notebook演習と通し課題を自宅で取り組む時間が必要です。Notebook演習に約8時間と通し課題に約20~30時間確保していただく必要がございます。
5万円のオンライン講座(eラーニング形式)はどこから申し込めますか?
本ページの「お申込みはこちら」からお申込み可能です。
5万円のオンライン講座(eラーニング形式)は、見積書・請求書の発行対応はできませんので、あらかじめご了承ください。
5万円のオンライン講座(eラーニング形式)を申し込み後、チャット質問対応のオプションを追加することは可能ですか?
お申込み後(お支払い確定後)の追加はできませんので、あらかじめご了承ください。