Pythonで学ぶ　ものづくりのAI実装入門

Pythonで学ぶ　ものづくりのAI実装入門｜JTEX 職業訓練法人日本技能教育開発センター

－最新情報をお届けいたします－

全講座一覧
生涯訓練講座
ものづくり（技術）
AI・IoT
Pythonで学ぶ　ものづくりのAI実装入門

講座詳細

電子ブックを見る

電子ブックあり

講座コード： E47

受講期間：3ヵ月

レベル：初級中級

レポート提出方式：マークシート Web提出

特別受講料（税込）：22,000 円

一般受講料（税込）：24,200 円

講座資料をダウンロードする

こんなコースです

AIをシステムに実装する際に必要な知識を身に付けよう！

　機械学習システムの開発は通常のシステム開発に比べ、前処理やアルゴリズムの選定、モデルのチューニングなど性能向上のための試行錯誤を前提とするため、プロセスをまたいだ手戻りが発生しやすいという性質をもっています。そのため、各プロセスでは何を行うべきか、またあるプロセスで満足のいく結果が出なかったときにどのプロセスまで戻るべきかといった進め方をしっかりと把握し、開発工数を適切に管理することが重要となります。
　本講座では、ものづくり分野のAI実装の概要を理解し、実践に活かせるような知識を身につけられるよう、実際にデータセットを用いて機械学習のアルゴリズムを試しながら学習を進めていきます。

ねらいと特色

ものづくりの分野におけるAI実装の概要を理解します。
機械学習の分野に必要となる、線形代数、確率統計、微分の知識を身につけます。
実際にデータセットを用いて機械学習のアルゴリズムを試すことにより、基本的な概念を理解します。
AI分野で多く使われている言語であるPythonと、Anacondaを利用したプログラミング環境を前提としてAI実装を学びます。パソコンで実際に体験しながら身につけます。
Pythonのライブラリとして、NumPy、pandas、Matplotlib、scikit-learn、LightGBM、TensorFlow、Kerasを扱います。
画像認識、物体検出、異常検知を通して、より実践的な機械学習のプロセスを体験します。

教材構成

テキスト：１冊（電子ブック対応）
レポート回数：３回（Web提出可）
データダウンロードサービス

主な項目

No.	主　な　項　目
1	第１章　人工知能／機械学習／ディープラーニング概要人工知能とは　　機械学習とは　　ディープラーニングとは第２章　機械学習の基礎知識機械学習の基礎知識　　機械学習のワークフロー機械学習モデルの誤差と評価　　機械学習における注意点第３章　Python入門 Python概要　　環境構築　　 Pythonプログラミング第４章　Pythonの基本ライブラリ NumPy　　 pandas　　 Matplotlib 第５章　線形代数線形代数　　ベクトル同士の足し算・引き算ベクトルの掛け算　ベクトルのノルム行列の足し算・引き算　　行列の掛け算逆行列　　線形変換
2	第６章　確率統計確率統計　　事象と確率　　確率変数と確率分布確率の加法定理と条件付き確率　　期待値と分散相関係数　　推定第７章　微分微分　　関数　　極限　　微分法いろいろな関数の微分法　　偏微分第８章　機械学習の代表的なアルゴリズム回帰分析　　サポートベクターマシン（SVM）　　決定木勾配ブースティング決定木　　ロジスティック回帰 k－meansクラスタリング　　主成分分析第９章　ディープラーニングの代表的なアルゴリズム DNN　　 CNN　　 RNN、LSTM、Attention 誤差逆伝播法第10章　Pythonの機械学習用ライブラリ scikit－learnの概要　　回帰分析　　 SVM　　決定木ロジスティック回帰　　 k-meansクラスタリング主成分分析　　勾配ブースティング決定木
3	第11章　Pythonのディープラーニングライブラリ TensorFlowとKerasの概要　　 DNN　　 CNN　　 RNN 第12章　画像認識／物体検出／異常検知（画像）CNN データセットの紹介とダウンロード方法画像認識　　異常検知第13章　時系列異常検知時系列異常検知タスク　　特徴量分析　　異常検知の実装

No.

主　な　項　目

第１章　人工知能／機械学習／ディープラーニング概要

人工知能とは　　機械学習とは　　ディープラーニングとは

第２章　機械学習の基礎知識

機械学習の基礎知識　　機械学習のワークフロー
機械学習モデルの誤差と評価　　機械学習における注意点

第３章　Python入門

Python概要　　環境構築　　 Pythonプログラミング

第４章　Pythonの基本ライブラリ

NumPy　　 pandas　　 Matplotlib

第５章　線形代数

線形代数　　ベクトル同士の足し算・引き算
ベクトルの掛け算　ベクトルのノルム
行列の足し算・引き算　　行列の掛け算
逆行列　　線形変換

第６章　確率統計

確率統計　　事象と確率　　確率変数と確率分布
確率の加法定理と条件付き確率　　期待値と分散
相関係数　　推定

第７章　微分

微分　　関数　　極限　　微分法
いろいろな関数の微分法　　偏微分

第８章　機械学習の代表的なアルゴリズム

回帰分析　　サポートベクターマシン（SVM）　　決定木
勾配ブースティング決定木　　ロジスティック回帰
k－meansクラスタリング　　主成分分析

第９章　ディープラーニングの代表的なアルゴリズム

DNN　　 CNN　　 RNN、LSTM、Attention
誤差逆伝播法

第10章　Pythonの機械学習用ライブラリ

scikit－learnの概要　　回帰分析　　 SVM　　決定木
ロジスティック回帰　　 k-meansクラスタリング
主成分分析　　勾配ブースティング決定木

第11章　Pythonのディープラーニングライブラリ

TensorFlowとKerasの概要　　 DNN　　 CNN　　 RNN

第12章　画像認識／物体検出／異常検知（画像）CNN

データセットの紹介とダウンロード方法
画像認識　　異常検知

第13章　時系列異常検知

時系列異常検知タスク　　特徴量分析　　異常検知の実装

受講者の声

AI(機械学習/ディープラーニング)関連の概要は知っていたが、今回の受講でより具体的にどのようなことをしているのかを理解することができてよかった。また、応用例や注意点、AI技術に関連する基礎知識も得ることができて有意義だったと思う。

概論から入り数学的な根拠を学んで、最終的にはPythonのコードで具体的に落とし込んでくださったので、理解が深まりました。未知の内容が多く難しい内容でしたので、これからも何度も読み返していきたいと思います

学習内容は広い範囲であったが要点がまとめられ、またレポート課題が的確であったと思う。ただし、実践などがあればより深い学習ができたと思う。

機械学習の概念から詳細まで記載されており、また、Pythonでの実装例も含まれていたので、とても参考になった。

PandasやNumpyなど、業務ですぐに生かせるものを学べたことがよかった。

。。。［受講者の声］をもっと見る

Pythonで学ぶ　ものづくりのAI実装入門｜JTEX 職業訓練法人日本技能教育開発センター

受講者Myページとは

Web提出受講者専用ページ

講座詳細