豊富な演習を通して
データ分析力実装力を身につける

機械学習実践コース

こんな人にオススメ

men
item.img_alt

Python・機械学習を
学びたいが、
何から始めればいいのか

わからない方

item.img_alt

データサイエンティスト
として
データ分析力と実装力を

両方身につけたい方

item.img_alt

実データに対しての
アプローチを
体系的に学び、

問題解決能力を高めたい方

FEATURE

FEATURE1

初学者でも安心のカリキュラム

初学者でも安心のカリキュラム

充実の
事前予習動画

本コースはオンライン動画とオフライン講義の形式で学習を進めます。事前予習動画を配布しており、初学者でも安心して受講可能な環境を提供しています。 セミナー受講後には、補講動画にてより深い内容や実務で活きるポイントを学ぶことができます。

FEATURE2

実務で活きるスキルにフォーカス

実務で活きるスキルにフォーカス

実務で活きるノウハウ
を凝縮

キカガクにはコンサルティングを通して培った、実務で活きるノウハウがあります。 講義の中でも実問題と照らし合わせながら学習を進めることができるので、 本コース修了後には実務に活かせる基礎的な力を習得することが可能です。

FEATURE3

実践的な演習で実力が身につく

実践的な演習で実力が身につく

演習を通して
「使える」ようになる

学習→演習のサイクルを繰り返すキカガク流の講義では、理解して終わりではなく「使える」状態にまでもっていくことができます。 それぞれの演習では「どのようにアプローチするのか」という観点から入るため、技術だけでなく 実問題に対する思考プロセスも理解することができます。

skill

SKILL01

★☆☆

実装

実問題に対して
機械学習を実装することができる

実際の問題設定に対して、機械学習アルゴリズムの実装を行うことができるようになります。受講後には機械学習アルゴリズムを実装するために必要なプロセスを体系的に理解しているため、自身の問題設定に対しても適用することが可能です。

SKILL02

★★☆

試行錯誤

精度向上のための
試行錯誤のポイントがわかる

AIの予測精度向上のために必要な、データの前処理・ハイパーパラメータの調整などの試行錯誤のポイントを抑え、実装することができます。

SKILL03

★★★

データの可視化

可視化を通して
データの理解を深めることができる

どの問題設定に取り組む際にもまず、データの可視化を行い、データを理解することから始まります。Pythonを用いてのデータの可視化を行い、データを視覚的に理解することができます。

AI

illust

今だけ 9時間分 の学習動画を 無料 でプレゼント!

  • AIに必要な数学をわかりやすく手書きで解説!
  • Pythonの基盤から機械学習の実装を体形的に習得できます!
合計9時間分の学習動画
01

合計9時間分の学習動画

  • [キカガク流]脱ブラックボックス講座 初級・中級編
  • AIを実務で使うための必須知識
  • 統計の基礎、機械学習(重回帰分析)の実践
  • AIをビジネスに活用するとは
E-BOOK&研修一覧資料
02

E-BOOK&研修一覧資料

  • 人工知能・機械学習・ディープラーニングとは
  • AIを実務で使うための必須知識
  • ディープラーニングの得意な領域
  • 会社概要・研修一覧

今すぐ申込みを検討される方へ

reason

01

圧倒的にわかりやすい講師

キカガクは「教育のプロ集団」です。難しいことをわかりやすく伝えるために徹底した訓練を全員が受けています。講師は正社員のみに絞り、講義の質を維持することを最優先に考えています。

02

業界に特化した内容も充実

製造業やリテール領域をはじめとして、新しい分野での実践的な教育の開拓実績があります。実績豊富な講師によるカスタマイズ研修も開催可能です。実現場への導入を本気で考えるからこそ、お客様と二人三脚で講座を作っていきます。

03

大手企業や資格試験との連携

日本マイクロソフト社との共同開催や、日本ディープラーニング協会(JDLA)のE資格認定講座、経済産業省の定める第四次産業革命スキル修得認定講座に指定いただき、教育内容の実用性が証明されています。

curriculum

  • 機械学習実践コース

※横スクロールでご覧いただけます

  • 事前学習
  • 1日目
  • 2日目
  • 3日目
  • 補講動画

必須

事前学習

時刻 タイトル 学ぶこと
40分 イントロダクション
  • 人工知能、機械学習、ディープラーニングとは
  • 機械学習に必要な数学
  • 機械学習の 3 大トピック
  • 内挿と外挿
50分 微分
  • 微分は「何」に使えるのか?
  • 導関数を求めよう
  • 微分の公式
  • 偏微分
40分 単回帰分析(数学)
  • 「モデル」を決める
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 Python入門
  • プログラミングの環境構築
  • 変数
  • 基本構文
  • 複数の変数を扱う
  • 制御構文
  • 関数
40分 単回帰分析(実装)
  • Numpyの数値計算
  • Pandasによるデータベース操作
  • Matplotlibでグラフ描画
  • 実データに対する単回帰分析の実装
60分 線形代数
  • スカラー,ベクトル,行列
  • 行列の演算
  • サイズ感
  • 転置,単位行列,逆行列
  • ベクトルで微分
50分 重回帰分析(数学)
  • 「モデルを決める」
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 重回帰分析(実装)
  • 行列演算の基礎
  • パラメータの導出
  • 実データで演習
30分 統計
  • 主な統計量
  • 正規分布と3σ法
  • スケーリング
30分 外れ値を考慮した実装
  • 外れ値除去
  • モデル構築
  • スケーリングとパラメータの確認
15分 外れ値を考慮した実装
  • 現場で機械学習を導入できる人材とは

必須

1日目

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 機械学習とは?
  • 機械学習の開発フロー
  • 機械学習案件に必要な人材
  • 最適なモデル構築のプロセス
10:10-12:00 プログラミング演習(予習内容の復習)
  • Pythonの基礎
13:00-14:10 機械学習に用いられる代表的なライブラリ
  • Pandasでデータベース操作
  • Matplotlibでグラフの描画
  • scikit-learnで重回帰分析
14:20-14:40 演習
  • 重回帰分析の実装
14:40-15:30 代表的な回帰の手法 1
  • 多重共線性と過学習
  • 相関関係
  • Lasso回帰
  • Ridge回帰
15:40-17:30 代表的な前処理 1
  • 欠損値補完・除去
  • カテゴリカル変数の取り扱い
  • 正規化
  • 標準化

必須

2日目

時刻 タイトル 学ぶこと
9:30-10:00 演習
  • 実データで前処理から重回帰分析の実装
10:40-11:00 解説
  • 演習の解説
  • 決定係数の確認
11:00-12:00 代表的な前処理 2
  • 外れ値除去 : 3σ法とハンペル判別法
  • 特徴エンジニアリング
13:00-14:00 代表的な回帰の手法 2
  • 線形回帰と非線形回帰の違い
  • 決定木
  • サポートベクターマシン
  • ニューラルネットワーク
14:10-14:30 分類の問題設定に挑戦
  • 分類の種類
  • 決定木の実装
14:30-15:30 交差検証とハイパーパラメータの効率的な探索方法
  • ハイパーパラメータとは
  • ホールドアウト法
  • K-分割交差検証
  • グリッドサーチ
  • ランダムサーチ
  • ベイズ最適化
15:40-16:40 分類の代表的な手法
  • ロジスティック回帰
  • K近傍法
  • 決定木
  • サポートベクターマシン
  • ニューラルネットワーク
  • ランダムフォレスト
  • Xgboost
16:50-17:30 教師なし学習
  • 主成分分析
  • k-means
  • 演習:クラスタリングの結果を考察

必須

3日目

時刻 タイトル 学ぶこと
9:30-10:30 分類の評価指標
  • 混同行列
  • 正解率 (Accuracy)
  • 適合率 (Precision)
  • 再現率 (Recall)
  • F値
  • ROC曲線
  • ROC AUC
10:40-12:00 不均衡データの取り扱い
  • 不均衡データへのアプローチ方法
  • SMOTEの実装
13:00-16:00 実践演習
  • 実データで分類問題
  • 前処理
  • 手法の選択
  • モデルの最適化
  • 結果の可視化
16:10-17:30 解説
  • 演習の解説
  • セミナーの振り返り、今後の展望

必須

補講動画

時刻 タイトル 学ぶこと
120分 演習解説
  • ベースラインモデルの作成
  • データへのアプローチ
  • モデルへのアプローチ
  • 手法へのアプローチ
  • 不均衡データへのアプローチ
180分 補講演習
  • コスタリカ貧困レベル分類
100分 補講演習解説
  • イントロダクション
  • ベースラインモデルの作成1
  • ベースラインモデルの作成2
  • データへのアプローチ
  • 手法へのアプローチ
  • モデルへのアプローチ

必須

環境構築から Keras で実装(分類)

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00-10:50 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50-13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト, タプル, 辞書
  • 制御構文
  • NumPy, Pandas, Matplotlib

必須

環境構築から Keras で実装(分類)

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00-10:50 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50-13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト, タプル, 辞書
  • 制御構文
  • NumPy, Pandas, Matplotlib

必須

環境構築から Keras で実装(分類)

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00-10:50 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50-13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト, タプル, 辞書
  • 制御構文
  • NumPy, Pandas, Matplotlib

必須

環境構築から Keras で実装(分類)

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00-10:50 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50-13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト, タプル, 辞書
  • 制御構文
  • NumPy, Pandas, Matplotlib

必須

環境構築から Keras で実装(分類)

時刻 タイトル 学ぶこと
9:30-10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00-10:50 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50-13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト, タプル, 辞書
  • 制御構文
  • NumPy, Pandas, Matplotlib

schedule

  • オンライン

※横スクロールでご覧いただけます

日程 開催時間 開催地詳細 座席状況
7/14(火)~7/16(木) 9:30~17:30
8/5(水)~8/7(金) 9:30~17:30
8/19(水)~8/21(金) 9:30~17:30
9/9(水)~9/11(金) 9:30~17:30
9/23(水)~9/25(金) 9:30~17:30

機械学習実践コース

受講料金

20,0000円(税抜)

オンラインの研修準備に関しては、下記FAQに記載しております。

今すぐ申込みを検討される方へ

faq

オンラインの場合、どのように研修を行いますか。

オンライン研修の受講の仕方についてはこちらをご確認ください。

中止の可能性はありますか。

最少催行人数は3名です。セミナー開始日の2週間前までに最少催行人数に達しない場合はセミナーを中止いたします。中止の場合のみご連絡を差し上げております。

請求書は受講前に発行できますか?

はい、可能です。請求書発行に関する情報は、お申込み後のメールにてご連絡差し上げます。

見積書が欲しいです。

こちらのフォームより必要情報を記入ください。担当者より見積書をPDFでお送りさせていただきます。

受講日が未定なのですが、日付未定でも受講申し込みができるような予約チケット(バウチャーチケット)はありますか?

バウチャーチケットをご用意しております。先払いで購入して頂き、6ヶ月先までの日程に関して自由にお選び頂く事が可能です。詳しくはお問い合わせ窓口にご相談ください。
[email protected]

WEBからのお問い合わせ

受付時間:平日9:00 - 18:00

よくあるご質問