特記事項

【受講者E-mailアドレス】へZoomに登録されているメールアドレスをご入力ください。

※オンラインに関するお問い合わせにつきましては、主催社（株式会社キカガク）よりご連絡いたします。

コース概要

機械学習の基礎知識から始まり、最終的に実務で機械学習を活用するために必要な実践スキル（前処理・機械学習アルゴリズムの選定・ハイパーパラメータの調整・精度の評価など）の習得を目指します。機械学習アルゴリズムに関しては、どの様なケースでどのアルゴリズムを使用すればよいかを選定できる様になることを目指します。また、データの前処理から機械学習アルゴリズムでの実装を行うまでの一連の流れは、繰り返し演習を行うことで、確実な定着を図ります。
受講案内はキカガク社から直接のご連絡となります。

※このコースは株式会社キカガクが開催いたします。

到達目標

・実際の問題設定に対して、機械学習アルゴリズムを実装することができる

・予測精度向上のための試行錯誤のポイントが分かる

・データの可視化を行い、データの理解を深めることができる

前提条件

事前予習動画視聴（必須）
【キカガク流】人工知能・機械学習脱ブラックボックス
※事前予習動画はコース申込時に送付されます

対象者

・概念だけではなく、プログラミングで実問題に対しても実装できる力を付けたい方
・機械学習の実装における一連の流れを自身の技術として身につけたい方
・機械学習アルゴリズムの実装だけでなく、データへのアプローチも学んでいきたいという方

コース内容

1.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の違い
機械学習とは
ディープラーニングの開発フロー
の３つに関してお話します。

2.Pythonの基礎
NumPy, Pandas, Matplotlib, scikit-learnを用いた基礎的なデータの操作や実装、データの可視化を行います。

3.データサイエンス入門
回帰問題の実装を行いながら、データ前処理から実装の一連の流れを習得していきましょう。

4.代表的な回帰の手法
PLS、サポートベクターマシン、ニューラルネットワークといった回帰の手法に関して、それぞれの概念理解と実装を行っていきます。

5.データサイエンス入門
分類問題、k-近傍法、ロジスティック回帰、ランダムフォレストなどの分類の手法にかんして、概念理解と実装を行っていきます。

6.教師なし学習
教師なし学習のメイントピックである成分分析、k-平均法の概念理解と実装を行っていきましょう。

7.ハイパーパラメータチューニング
手動でのチューニング、グリッドサーチやランダムサーチといったアルゴリズムを使用してのチューニングを体感していただきます。

8.モデルの評価方法
精度(accuracy)以外の評価指標（Precision,Recall etc...)を理解していきます

9.演習
３日間の集大成としてデータの前処理から実装までの一連の流れを演習し、技術として定着させていきます。
 

※ 研修の効率化を考慮し、コース内容が部分的に変更になる場合がありますので、予めご了承下さい。

注意事項

●オンライン研修ではZoomを使用します。

　質問・エラー対応のため、事前にチャットグループへ登録を行います。

【受講者E-mailアドレス】へZoomに登録されているメールアドレスをご入力ください。

　Zoomへのアカウント登録がまだの方は事前にご登録お願いいたします。  

●講義時にはGoogle Colaboratoryを使用します。

　Googleアカウントの用意及び、Googleドライブへのログインができる状態にしておいてください。

●本コースは受講前にeラーニングの事前学習が必要です。

　eラーニングの視聴に関するご案内は、受講日の2週間前から1週間前までを目安にご案内いたします。

　(キカガク社から直接のご連絡となります。)