Pythonで学ぶAI活用入門|JTEX 職業訓練法人日本技能教育開発センター

法人受講のご案内
花マルNet

Web提出受講者専用ページ

JTEXが取り組むSDGsの目標
プライバシーマーク制度
SuperGrace
  • Twitter
  • YouTube JTEXチャンネル
-最新情報をお届けいたします-

講座詳細

【新講座】2020年2月開講

Pythonで学ぶAI活用入門

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

一般受講料(税込):22,000

お申込み(個人)

カゴに入れる

お申込み(法人)

講座資料をダウンロードする

こんなコースです

実践的AI基礎講座―具体的に機械学習の概念と利用法がわかる
これからAIの活用を考えている技術者の方を対象とし、現在AIの代表的技術である機械学習に焦点をあて、どのようにプログラミングしていくのか、その概観を学ぶ講座です。
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。
  • ★AIの概要を学び、機械学習の基本的な考え方、各手法の特徴とともに利用手順を学びます。
  • ★「教師あり学習」と「教師なし学習」の概要―手順をPythonの機械学習ツールの利用例を通じて理解します。
  • ★ディープラーニングの概要とツールの利用例を学びます。

ねらいと特色

  • 機械学習の考え方や概念が、具体例を通して理解できます。
  • 豊富な事例で、代表的機械学習ツールであるPythonのscikit-learnの基礎的利用法がわかります。
  • ディープラーニングツールKerasの基本的利用法がわかります。
  • データをどのように識別していくのか、その方法を具体的に学びます。

教材構成

  • テキスト:1冊
  • レポート回数:3回(Web提出可)

主な項目

No. 主 な 項 目
1
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
2
第5章 教師あり学習[1]
    識別(1): 決定木学習
      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

    識別(2): ナイーブベイズ分類器
      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

    識別(3): ロジスティック回帰
      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]
    識別(4): ニューラルネットワーク
      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

    識別(5): サポートベクタマシン
      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

    回帰
      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
3
第7章 教師なし学習
    クラスタリング
      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
      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

お申し込みはこちら