【お知らせ】新型コロナウイルスにおける緊急事態宣言を受けて
Web提出受講者専用ページ
テキスト内容を見る
講座コード： E45
受講期間：3ヵ月
レベル：入門 初級
レポート提出方式：
特別受講料（税込）：19,800 円
一般受講料（税込）：22,000 円
お申込み（個人）
お申込み（法人）
講座資料をダウンロードする
サンプルプログラムを動かして進めるので、座学に終わることなく最後まで続けられました。
ＰＹＴＨＯＮの使い方と機械化学習を同時に学習できて良かったです。仕事で使えるアイデアや手法が分かりました。テキストではもう少し統計学の基本的な部分の説明が欲しかったです。また、何度も出てくる手法や項目は、ページ数などの表記を欄外にでも表示してもらえれば有難かったです。探すのに大変でした。
難解ではありましたが十分今後に生かせる内容が系統的に勉強出来た
機械学習についての知識があまりなかったのですが、今回の受講によって基本的な学習方法を学ぶことが出来ました。また、知識なしからだと理解に時間がかかりましたが、今後も熟読して理解を深めていこうと思っています。
AIについてさらに興味が沸いた。
AIについてよくわからなかったものが少し分かるようになった気がします。
AIに関する基礎的なことを一通り学ぶことができて良かった。
AIに関する歴史や、基本的な用語の意味および数式を理解できたところが良かった。
AIの概要がわかった。詳細は難しかった
AIの概要が概ね理解できた。数学的な厳密さを深堀せず、各分野の基本となる考え方に重点を置き解説されていたので、直感的に理解することができた。Pythonプログラミング環境については丁寧な解説で、スムーズにJupyter Notebookを扱えるようになった。 scimitar-learnとKerasを用いて実際にPythonでプログラミングすることで、AI導入はそれほど敷居が高くないと感じられるようになったことが一番よかった。
AIを学ぶ最初のきっかけとなった。仕事に活かせるよう理解を深めたい。
AI構築の大まかな流れが紹介されていて良かった。
AI入門クラスの概要に触れることができた。Pythonのライブラリを試用できた。
pythonのコードについて、一文ずつ説明するのではなく、複数の文をグループ単位で理解させる内容だったので、頭に入りやすかった。
Pythonの基礎知識が無いまま受講したので理解に苦労したが、どのようなステップでAIを実装していくかのイメージは掴む事が出来た。
Pythonの基本的な仕様が理解できていれば簡単に算出例を書くことができ、理解にプラスになった。
webでの回答は結果がすぐにわかるので間違いを確認しやすかった。
Web受験ができてすぐに解答解説ができた点 テキストが良く、自分でもpythonコードを作れる点がよかった
ある程度のプログラミングスキルを前提としているコースであった。環境設定について詳しく解説してあるのはよかった。
きちんと考えないと解けない問題があって良かったです。
テキストにまとめやコラムなどがあり、読む進める際に復習や息抜きとなりとてもよかったです．またコードの細かい解説もありとても分かりやすかった
テキストの質が良いと思いました。また、インターネットで回答してただちに採点されるため、モチベーションがあがり、プリントアウトされた回答で郵送いただくので、復習もしやすくよかったです。期限がないと、なかなか自分では勉強がつづかないため通信教育はありがたいと思いました。
ネット上にコードサンプルがあり、自分で試してエラーが出た場合比較がしやすい
プログラミング自体の知識を持っていませんでしたが、AIの初歩的な内容を知ることができ大変有意義でした。
以前から気になっていたAIに触れることが出来たことが良かった。
機械学習について一般的な知識が集約されていてよかった。
機械学習の習得には十分な数学の素養が必要であると改めて痛感できた
機械学習の歴史、用語、基礎、考え方などが分かりました。
業務でもPythonを使い始めており、Pythonを使い慣れるという意味でも、興味深く取り組むことができました。
具体的なデータを使い、プログラムを動かすことによって実際にどのようなデータを用意すればよいかなどのイメージがつきやすくよかった
今回、AI活用入門だったので、大前提としてある程度のAIに対する知識が必要だったのだと思いました。 そういう意味では、テキストを開けてからしばらく呆然としてしまったのですが、とにかくやり始めてみたら楽しく進めることができました。質問した時にも素早く回答をいただけて良かったですし、解説がわかりやすくて助かりました。
自分の理解度がまだまだというところが分かり、もっと基本的なことを学ばないといけないと気がつけました。
実際のソースコードを提供していただけていたので、手を動かしながら学習を進めることができた。
受講前に想定していたよりも難易度が相当高かったが、その分根幹となる考え方が丁寧に記述されており、大変参考になった。
知らなかった用語、ロジックを知ることができよかったです。
難しい分野ながらも、かなりかみ砕いた内容となっていた
初学者にとって取っ掛かりになりそうなテキスト内容になっているのがよかった。
非常に偏りのないまとめられている教科書だと思った。
優しい解説でとてもよかった。
様々な識別器の説明と実装方法があり 勉強になった
メニュー
閉じる
メニュー
閉じる
こんなコースです
Python言語の機械学習ツールを利用して、ひととおり機械学習のプロセスを回す際に気をつけるべきポイントを解説します。
ねらいと特色
教材構成
主な項目
第1章 AIの概要
AIとは？
AIの歴史
現在のAIマップ
第2章 機械学習の概要
機械学習とは
機械学習の要素
機械学習の分類
教師あり学習
教師なし学習
半教師あり学習
ディープラーニング
強化学習
第3章 機械学習の基本的な手順
機械学習の流れ
データセット
データフォーマット
前処理
次元の呪い
主成分分析による次元圧縮
バイアスとバリアンス
評価方法：クロスバリデーション
簡単な識別器：k-近傍法
評価指標：F値／ROC曲線
第4章 Pythonによる機械学習の手順
プログラミング環境準備
scikit-learnによる機械学習の基本的な流れ
K-近傍法によるIrisデータの識別
識別境界面の描画
近傍数kの影響
第5章 教師あり学習［１］
決定木学習の基礎
決定木学習によるIrisデータの識別実装例
統計的機械学習とは
MAP推定によるナイーブベイズ分類器の基礎
簡単な例
ゼロ頻度問題への対処
ナイーブベイズ分類器によるゴルフプレイ識別実装例
ロジスティック回帰の基礎
正則化による過学習の抑制
ロジスティック回帰による手書き文字認識実装例
第6章 教師あり学習［２］
ニューラルネットワークの基礎
効率的な学習テクニック
多層パーセプトロンによる手書き文字認識実装例
サポートベクタマシンの基礎
入れ子の交差検証によるハイパーパラメータ調整
SVMによる乳がん診断データの識別実装例
線形回帰
線形基底回帰
ニューラルネットワークによる回帰
サポートベクタ回帰
回帰問題の評価指標
逐次特徴選択
各種回帰手法による住宅価格推定実装例
第7章 教師なし学習
階層型クラスタリング
K-meansクラスタリング
ガウス混合モデル
自己組織化マップ(SOM)
クラスタリングの評価指標
SOMによるglassデータのクラスタリングと可視化実装例
異常検知の基本的な考え方
評価指標
Local Outliner Factor
One-class SVM
Isolation Forest
機器の振動データに対する異常検知実装例
第8章 ディープラーニング
ディープラーニングの概要
ディープラーニングの分類
表現学習とファインチューニング
AutoEncoderによる事前学習
DropOutによる過学習の抑制
畳込みニューラルネット（CNN）
時系列データの学習；RNNとLSTM
ディープラーニングツールKerasについて
Pythonによる実装例：AutoEncoder+DNN,CNN
受講者の声
サンプルプログラムを動かして進めるので、座学に終わることなく最後まで続けられました。
ＰＹＴＨＯＮの使い方と機械化学習を同時に学習できて良かったです。仕事で使えるアイデアや手法が分かりました。テキストではもう少し統計学の基本的な部分の説明が欲しかったです。また、何度も出てくる手法や項目は、ページ数などの表記を欄外にでも表示してもらえれば有難かったです。探すのに大変でした。
難解ではありましたが十分今後に生かせる内容が系統的に勉強出来た
機械学習についての知識があまりなかったのですが、今回の受講によって基本的な学習方法を学ぶことが出来ました。また、知識なしからだと理解に時間がかかりましたが、今後も熟読して理解を深めていこうと思っています。
AIについてさらに興味が沸いた。
AIについてよくわからなかったものが少し分かるようになった気がします。
AIに関する基礎的なことを一通り学ぶことができて良かった。
AIに関する歴史や、基本的な用語の意味および数式を理解できたところが良かった。
AIの概要がわかった。詳細は難しかった
AIの概要が概ね理解できた。数学的な厳密さを深堀せず、各分野の基本となる考え方に重点を置き解説されていたので、直感的に理解することができた。Pythonプログラミング環境については丁寧な解説で、スムーズにJupyter Notebookを扱えるようになった。 scimitar-learnとKerasを用いて実際にPythonでプログラミングすることで、AI導入はそれほど敷居が高くないと感じられるようになったことが一番よかった。
AIを学ぶ最初のきっかけとなった。仕事に活かせるよう理解を深めたい。
AI構築の大まかな流れが紹介されていて良かった。
AI入門クラスの概要に触れることができた。Pythonのライブラリを試用できた。
pythonのコードについて、一文ずつ説明するのではなく、複数の文をグループ単位で理解させる内容だったので、頭に入りやすかった。
Pythonの基礎知識が無いまま受講したので理解に苦労したが、どのようなステップでAIを実装していくかのイメージは掴む事が出来た。
Pythonの基本的な仕様が理解できていれば簡単に算出例を書くことができ、理解にプラスになった。
webでの回答は結果がすぐにわかるので間違いを確認しやすかった。
Web受験ができてすぐに解答解説ができた点 テキストが良く、自分でもpythonコードを作れる点がよかった
ある程度のプログラミングスキルを前提としているコースであった。環境設定について詳しく解説してあるのはよかった。
きちんと考えないと解けない問題があって良かったです。
テキストにまとめやコラムなどがあり、読む進める際に復習や息抜きとなりとてもよかったです．またコードの細かい解説もありとても分かりやすかった
テキストの質が良いと思いました。また、インターネットで回答してただちに採点されるため、モチベーションがあがり、プリントアウトされた回答で郵送いただくので、復習もしやすくよかったです。期限がないと、なかなか自分では勉強がつづかないため通信教育はありがたいと思いました。
ネット上にコードサンプルがあり、自分で試してエラーが出た場合比較がしやすい
プログラミング自体の知識を持っていませんでしたが、AIの初歩的な内容を知ることができ大変有意義でした。
以前から気になっていたAIに触れることが出来たことが良かった。
機械学習について一般的な知識が集約されていてよかった。
機械学習の習得には十分な数学の素養が必要であると改めて痛感できた
機械学習の歴史、用語、基礎、考え方などが分かりました。
業務でもPythonを使い始めており、Pythonを使い慣れるという意味でも、興味深く取り組むことができました。
具体的なデータを使い、プログラムを動かすことによって実際にどのようなデータを用意すればよいかなどのイメージがつきやすくよかった
今回、AI活用入門だったので、大前提としてある程度のAIに対する知識が必要だったのだと思いました。 そういう意味では、テキストを開けてからしばらく呆然としてしまったのですが、とにかくやり始めてみたら楽しく進めることができました。質問した時にも素早く回答をいただけて良かったですし、解説がわかりやすくて助かりました。
自分の理解度がまだまだというところが分かり、もっと基本的なことを学ばないといけないと気がつけました。
実際のソースコードを提供していただけていたので、手を動かしながら学習を進めることができた。
受講前に想定していたよりも難易度が相当高かったが、その分根幹となる考え方が丁寧に記述されており、大変参考になった。
知らなかった用語、ロジックを知ることができよかったです。
難しい分野ながらも、かなりかみ砕いた内容となっていた
初学者にとって取っ掛かりになりそうなテキスト内容になっているのがよかった。
非常に偏りのないまとめられている教科書だと思った。
優しい解説でとてもよかった。
様々な識別器の説明と実装方法があり 勉強になった