あたり前の便利を創ろう

オンライン家庭教師 – 講座内容 –

機械学習の数学(90分×4回)

機械学習を学ぶためには数学が必須です。
データ解析を行うための問題設定の方法モデル選択の方法問題の解き方
これらの全てを数学を学ぶことで習得することができます。

1時限目:【回帰】微分の基礎と単回帰分析

高校の数学の復習から始まり、機械学習を勉強する上で非常に重要である『微分』をまず学びます。
高校のときには教えてもらえなかった『微分で何ができるのか?』と『微分ができると何が嬉しいのか?』を最初に解説するため、ゴールを意識して学べます。

そして、高校数学と微分のエッセンスがたくさん詰まった『単回帰分析』も学びます。
単回帰分析は機械学習を学ぶ際の基礎中の基礎であり、これを理解せずに次に進むことはできません。
最初は難しいですが、講師がマンツーマンで解説するため、小さな疑問も解消しながら進められます。

出典:統計学とデータ分析(単回帰分析)

2時限目:【回帰】線形代数の基礎と重回帰分析

機械学習を学ぶ上で最も重要な基礎数学が『線形代数』です。
大学で学ぶ線形代数は抽象度が高く難しいですが、機械学習で必要な線形代数はデータを格納するためのエクセルのような存在であり、取扱いさえ慣れれば1日で習得することができます。

そして、線形代数と併せて単回帰分析の拡張版である重回帰分析を学びます。
重回帰分析には線形代数のエッセンスがたくさん詰まっており、これを学ぶことにより線形代数を学ぶ意味が非常にクリアになります。

3時限目:【分類】パーセプトロンとSVM(サポートベクターマシン)

機械学習の分類において非常に有名である『SVM(サポートベクターマシン)』とその基礎となる『パーセプトロン』を学びます。
主にパーセプトロンの解説を重点的に行い、その問題点を改良するものがSVMといった流れでご紹介します。

パーセプトロンやSVMでは、数学の力だけでなく、コンピュータとの共存によって問題を解いていく必要があり、これまでの数式上の話だけでなく、『どのようにコンピュータに問題を解かせるか』といったコンピュータサイエンスとしての数学をご紹介します。
この考え方は最後に紹介するディープラーニングとニューラルネットワークに非常に重要であり、機械学習でも必須の知識となっています。

4時限目:【回帰・分類】ニューラルネットワークとディープラーニング

近年、最も注目を集めているアルゴリズムである『ディープラーニング』。
いま最も人工知能に近いアルゴリズムとも言えます。

このディープラーニングの基礎となっている『ニューラルネットワーク』を数学の基礎から解説し、どのようにディープラーニングに変遷していったかを解説していきます。
ディープラーニングの技術として注目を集めている『CNN(Convolutional Neural Network)』や『RNN(Recurrent Neural Network)』が何で、どのような問題を解決したのかを含めてご紹介します。

 

 

機械学習のプログラミング(90分×4回)

機械学習は数学で終わりではなく、コンピュータ(機械)と連携をとれて初めてその絶大な効果を発揮します。
本カリキュラムでは、学んだアルゴリズムを実装していただくことで、具体的に解析する手順を掴める構成となっています。

1時限目:プログラミングの基礎(Python)

プログラミング言語は『Python』を使用しています。
Pythonはプログラミング初心者の方でも扱いやすいように、非常に直感的にプログラミングができることが特徴です。

また、Pythonは『データ解析』だけでなく『アプリケーション作成』にも柔軟に対応できるという特徴があります。
これからの時代は解析だけにとどまらず、最終的な製品への組み込みができてこそ価値を発揮するため、解析からプロダクト制作までの一気通貫ができることは非常に心強いと言えます。

初回は、プログラムの書き方実行の仕方から始まり、Pythonのプログラミング言語の文法の基礎をマンツーマンで解説していきます。

2時限目:線形代数(Numpy)と可視化(Matplotlib)

機械学習の数学とプログラミングの知識をリンクさせるために、線形代数をプログラミングで試していただきます。
Pythonでは『Numpy』と呼ばれる線形代数を実装するためのライブラリ(便利なツール)が誰でも使えるようになっており、線形代数の演算を非常に手軽に実装することができます。

そして、データ解析の技術者にとって非常に重要なスキルセットの1つに『可視化』があります。
仕事や研究をする際には、最終のアウトプットとして、レポートにデータ解析の結果をグラフで示すことが求められます。
Pythonでは『Matplotlib』という可視化のためのライブラリが準備されており、解析結果を非常に手軽に可視化することができるため、こちらも手を動かしていただきながら習得していただきます。

3時限目:データ操作(Pandas)と重回帰分析・SVMの実装(scikit-learn)

データを操作するための便利なライブラリとして『Pandas』があり、このライブラリを利用することにより、データの状況を上手に把握できたり、データの前処理を容易に行うことができます。
このデータ操作も機械学習を現場で使用する際にはウェイトの大きな作業であるため、習得することで現場での即戦力に繋がります。

機械学習を実装するためのライブラリとして有名である『scikit-learn』を使用して、『重回帰分析』と『SVM』を実装していきます。
このライブラリを使用すれば、非常に簡単にこれらのアルゴリズムを実装することができ、データの前処理等を省けば、2行のソースコードで書けてしまう優れものです。
実務でも非常によく使われているため、現場で導入する際も、もちろん使用するライブラリのため必見です。

4時限目:ディープラーニングの実装(Chainer)

人工知能の代名詞とも言える『ディープラーニング』の実装を行います。
Pythonでは『Chainer』や『Tensorflow』と呼ばれるディープラーニング用のライブラリが既に提供されており、ニューラルネットワークとディープラーニングの数学の基礎を理解していれば、容易に実装することができます。

実装自体は容易ですが、プログラムと数学の対応付けを理解することが難しいため、講師とマンツーマンでしっかりと理解して進められます。

 

 

機械学習のプロダクト制作

今後はデータ解析のみでは終わらず、最終的なアプリケーションに組み込める力が重要となります。
本カリキュラムでは、プログラミングを学ぶ中で身につけた実装力を活かすため、Webアプリケーションを作成しながら、実践への落とし込み方を身につけていただける構成となっています。

こちらのプロダクト制作の講義を通して下記の現場で実際に解析のサイクルで行う全プロセスを学ぶことができます。

データ抽出』→『前処理』→『モデル構築』→『検証』→『組み込み

1時限目:Webアプリケーションのためのプログラミング(HTML・CSS)

Webアプリケーションを作るためには、まずHTMLCSSを知っておく必要があります。
これらのプログラミング言語を使用して、Webアプリケーションを作るための基礎を学びます。

また、『作る』という観点だけでなく、Web上から機械学習に必要なデータを『集める』という観点でもHTMLとCSSを学ぶことは非常に役に経ちます。

2時限目:データベース(DB)操作の練習

データサイエンティストにとって必須のスキルである『データベースの操作』をSqliteという初心者にとって手軽なデータベース管理システムを使用して学びます。
Sqliteは小さなアプリケーションに使われるDB管理システムですが、基本は『SQL』と呼ばれるデータベース言語であるため、MySQLPostgreSQLといった大規模なアプリケーションで使用されるデータベース言語もほぼ同じように扱うことができ、現場での即戦力となる力がつきます。

3時限目:学習用のラベル付けを行うWebアプリを作ろう(Python)

データ解析作業の約80%を占めると言われている『前処理』を行うためのアプリケーションを作成します。

実際のデータ解析の作業は即解析ではなく、この前処理を地道に行った後に解析となります。
この前処理の作業は非常に重要ですが、参考書では注目を浴びることはなかなかありません。
しかし、現場での即戦力となっていただくために、この前処理の作業をいかに効率的に行うかに注目しながら学びます。

 

4時限目:ディープラーニングのモデルを構築し、Web API経由でWebアプリに組み込もう(Python)

作成したデータを元に、ディープラーニングのモデルを構築し、モデルの検証方法をご紹介します。
データ解析では単純にモデルを構築するだけでは『過学習』が起こってしまうことが多々有り、それを避けるためにモデルの検証が欠かせません。

また、構築したモデルを最終的なアプリケーションへ組み込む方法として、最近では『Web API』と呼ばれる方法をよく使用します。
そこで、Web APIとして最終的な解析結果を『組み込む』力を実装しながら身につけていただきます。

 

 

3ヶ月特急コース

内容(週1回)

・機械学習の数学(90分×4回)

・機械学習のプログラミング(90分×4回)

・機械学習のアプリ制作(90分×4回)

価格

基本料金:20万円(税込み)

PAGETOP
Copyright © 株式会社キカガク All Rights Reserved.
Powered by WordPress & BizVektor Theme by Vektor,Inc. technology.