実際のビジネスデータを扱うため
現場ですぐに活用できる
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、実際のビジネス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
-
1
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。
-
2
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）。 -
3
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。 -
4
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。
得られる知識・スキル
-
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。
カリキュラム
DAY1DAY2DAY3DAY4
第 1 章:機械学習概論
- 人工知能と機械学習
- 回帰と分類
ほか
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
ほか
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
ほか
カリキュラムは変更となる場合がございます。
担当講師
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。
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
ほか
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
ほか
第 6 章:代表的な前処理
- 欠損値処理
- 外れ値・異常値処理
ほか
第 7 章:特徴選択
- 次元の呪い
- 特徴選択
ほか
カリキュラムは変更となる場合がございます。
担当講師
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。
第 8 章:決定木
- 決定木
- 不純度の算出
ほか
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
ほか
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
ほか
カリキュラムは変更となる場合がございます。
担当講師
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。
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
ほか
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
ほか
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
ほか
第 15 章:AutoML
- AutoML とは?
- 代表的な AutoML サービス
ほか
カリキュラムは変更となる場合がございます。
担当講師
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。
講座概要
ライブ配信
eラーニング
| 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 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。 |
| 前提となる知識・スキル |
必須スキル
|
| 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 |
| 料金に標準で含まれるもの |
|
| 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。 |
| 質問サポート期間 | 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 |
| PCの動作環境 |
※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。 |
| 事前準備 | 本講座では、Miniconda または Miniforge をインストールしていただきます。また、conda および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。 |
| 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。 |
| 前提となる知識・スキル |
必須スキル
|
| 講座時間 | 動画講義約13.5時間（演習時間除く） |
| 料金に標準で含まれるもの |
|
| 料金 | 55,000円／1名（税込） |
| オプション |
質問サポート 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 |
| 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 |
| PCの動作環境 |
※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。 |
| 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。 |
| 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。 オプションなしの場合、エラー対応、講座に関するご質問などはお受けできませんので予めご了承ください。 |
開催日程
ライブ配信eラーニング
オンライン講座：ライブ配信形式
第34期 ※募集締め切り
DAY1：2025/6/30 (月) 13:00 ～ 17:00
DAY2：2025/7/14 (月) 13:00 ～ 17:00
DAY3：2025/7/31 (木) 13:00 ～ 17:00
DAY4：2025/8/18 (月) 13:00 ～ 17:00
予備：2025/8/25 (月) 13:00 ～ 17:00
※申込締切日は、2025/6/16（月）です。
担当講師
スキルアップNeXt講師。新潟大学大学院自然科学研究科数理物質科学専攻博士後期課程修了。博士（理学）。専門は数論と代数幾何学。博士課程では、代数幾何学における基本的問題である代数多様体の有理性問題の研究を行った。2023年度統計質保証推進協会主催統計検定準1級（最優秀賞）、1級合格。2023年度日本ディープラーニング協会主催G検定、データサイエンティスト協会主催DS検定リテラシーレベル合格。
第35期
DAY1：2025/10/17 (金) 13:00 ～ 17:00
DAY2：2025/10/31 (金) 13:00 ～ 17:00
DAY3：2025/11/14 (金) 13:00 ～ 17:00
DAY4：2025/11/28 (金) 13:00 ～ 17:00
予備：2025/12/5 (金) 13:00 ～ 17:00
※申込締切日は、2025/10/3（金）です。
担当講師
スキルアップNeXt講師。中央大学大学院理工学研究科物理学専攻博士前期課程修了。修士（理学）。修士課程ではテンソル分解を用いた赤血球細胞遺伝子発現プロファイルの解析について研究。2022年度日本ディープラーニング協会主催G検定、2023年度E資格合格。
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。
担当講師
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。
受講者の声
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。法人払いにて複数人分の申込を予定されている場合は、「お問い合わせ」よりご相談をお願いします。 -
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、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。
-
動画講義はいつまで視聴できますか？また、どうやって視聴しますか？視聴開始日ご提供日から1年間です。動画は、弊社ラーニングマネジメントシステム（LMS）にて視聴可能です。受講料のお支払い確認後、アカウント登録に関するメールをお送りします。
メール送信元：no-reply@skillupai-lms.com
※最新の教材提供を行うため、本コースは合成音声を利用する場合がございます。