メニュー
閉じる
講座詳細
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：
マークシート
Web提出
特別受講料（税込）：19,800 円
一般受講料（税込）：22,000 円
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
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。
ねらいと特色
教材構成
主な項目
第1章 AIの概要
AIの歴史
AI分野の俯瞰
第2章 機械学習の概要
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
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
ROC曲線
第4章 Pythonによる機械学習の手順
仮想環境の構築
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］
識別（１）: 決定木学習
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
MAP推定によるナイーブベイズ分類器
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ー識別実装例
識別（３） ロジスティック回帰
正則化による過剰適合の抑制
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
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
入れ子の交差検証によるハイパーパラメータ調整
ハイパーパラメータ最適化
SVMによる乳がん診断データの識別実装例
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
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
評価指標
Local Outlier 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と表現学習
AutoEncoderによる事前学習
Dropoutによる過剰適合の抑制
畳み込みニューラルネットワーク（CNN）
学習済みモデルの活用
時系列データの学習：RNNとLSTM
ディープラーニングツール
AutoEncoder＋DNN,MLP,CNNによる手書き文字認識実装例
受講者の声
ある程度の数学知識やPythonのプログラミング知識が前提の難易度設定が良かった。サンプルプログラムが豊富で実際に活かす場合のイメージが掴みやすかった。
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。
。。。［受講者の声］をもっと見る