Course
データサイエンスパッケージ_フルバージョン
対象者
・AI・機械学習・データ分析の実践方法を習得したい方 ・テーブルデータ・画像・自然言語データの利用を考えている方 ・実践的な演習を通して能動的に学習へ取り組める方
Summary
サマリー
日程
9日間
費用
495,000円
(税込)
形式
オープンコース
事前予習
Python & 機械学習入門
受講環境
ブラウザ：Google Chrome 推奨（IE 不可） ディスプレイ：2 画面推奨
Value
研修の特徴
データ分析・機械学習・ディープラーニングを一貫して学習し、企画立案も行うパッケージコースです。 データサイエンス領域で活躍するために必要な知識を網羅的に扱います。
Goal
研修の到達点
・Python を用いた収集・加工・可視化・分析を一貫して実装できる状態 ・作成した機械学習アルゴリズムを適切に評価できる状態 ・実務適用可能な深層学習アルゴリズムを実装できる状態
Time Schedule
スケジュール
9 日間
| 1 日目 | ▪イントロダクション ・DX 時代に求められる人の定義 ・DX と AI の関係性 ・AI と自動化 ・DX プロジェクトの全体像 ▪ AI リーンキャンバス Step.1, 2 ・AI プロジェクト進行の 3 ステップ ・外観検査シミュレーターで実体験 ・課題設定 ・要件定義 ▪ 画像分類 AI 開発 ・Custom Vision ・画像分類モデルの作成 ・物体検出モデルの作成 ▪ AI リーンキャンバス Step.3 ・企画案通過後の流れ ・実現可能性の精査 ・働き方改革プロジェクト グループワーク ・顧客対応シミュレーターで実体験 ・PoC 結果の確認 ▪ AI サービス企画ワークショップ ・ワークショップ ・発表 / フィードバック |
| 2 日目 | ▪データサイエンスとは ・データ分析の活用方法 ・データサイエンスの流れ ▪Pythonの速習 ・NumPy, Pandas, Matplotlib / seaborn ・COVID-19data を用いたデータ操作 ▪データ分析の 5step サイクルについて ・記述統計の基礎 ・Python を用いた探索的データ分析 ・実データを用いた探索的データ分析 ・統計的仮説検定の基礎 ・実データを用いた統計的仮説検定 |
| 3 日目 | ▪多変量解析 ・統計的仮説検定の基礎 ・実データを用いた統計的仮説検定 ・相関分析の基礎 ・回帰分析の基礎 ・実データを用いた回帰分析 ・主成分分析 ・実データを用いた主成分分析 ・クラスター分析 ・実データを用いたクラスター分析 ▪分析結果の解釈 ・分析結果の説明 ・可視化 / レポーティング |
| 4 日目 | ▪解析手法や機械学習モデルの説明性 ・ロジスティック回帰分析 ・決定木分析 ・LIME, SHAP ▪総演習 ・課題設定 ・5step サイクルの実践 ・課題解決の施策立案 ・レポート作成 ・分析成果発表 / フィードバック |
| 5 日目 | ▪Python の基礎 ・数学/Python の基礎 ・機械学習の開発フロー ・Google Colaboratory の基礎 ▪データサイエンス入門（回帰） ・住宅価格の予測 ・正則化 (Lasso/Ridge) ・欠損値、カテゴリカル変数 ・代表的な回帰の手法 |
| 6 日目 | ▪演習問題 ・車の価格を予測 ・代表的な分類の手法 ▪データサイエンス入門（分類） ・アンサンブル学習 ・教師なし学習 ・ハイパーパラメータ調整 ・K-分割交差検証 ▪評価指標 ・混合行列 ・不均衡データへのアプローチ ・ROC 曲線と AUC ▪演習課題 ・演習 ・発表 |
| 7 日目 | ▪Azure で環境構築 ・数学の基礎/Python の復習 ・ディープラーニング開発 ・Azure で仮想環境構築 ・Nvidia-Docker コンテナ作成 ▪ディープラーニング入門（分類） ・ニューラルネットワークの理論 ・ワインのクラス分類 ・ミニバッチ学習 ・Batch Normalization の実装 |
| 8 日目 | ▪ディープラーニング入門（回帰） ・回帰問題の演習 ・最急降下法 ▪CNN で画像分類 ・Pillow と OpenCV ・画像の取り扱い方法 ・人を見分けるフィルタとは ・CNN の理論と実装 ・演習：犬猫画像分類 |
| 9 日目 | ▪時系列解析 ・時系列解析の基礎 ・株価の予測 ・RNN 理論 ・LSTM の実装 ▪自然言語処理 ・形態素解析 ・Bog of Words ・演習：文書分類 ・総括 |
Loading...
