Course
PBL パッケージ_プログラミングバージョン
対象者
・AI・機械学習・データ分析の実践方法を習得したい方 ・実践的な演習を通して能動的に学習へ取り組める方 ・学習よりも具体的な課題にチャレンジしたい方
Summary
サマリー
日程
179日間
費用
カスタマイズ
形式
カスタマイズ研修
事前予習
Python & 機械学習入門
受講環境
ブラウザ：Google Chrome 推奨（IE 不可） ディスプレイ：2 画面推奨
Value
研修の特徴
データ分析・機械学習・深層学習を学習し、発展分野である自然言語処理及び画像処理の知識と実装力を身につけます。 実課題に対する企画立案・データ取得・分析・モデル構築までを行う課題解決型研修 （PBL） が含まれます。
Goal
研修の到達点
・Python を用いた収集・加工・可視化・分析を一貫して実装できる状態 ・実務適用可能な機械学習アルゴリズムを実装できる状態 ・データサイエンスを用いた課題解決力を身につけている状態
Time Schedule
スケジュール
前半 3 ヶ月間（インプット期間）
| 1 ~3ヶ月間 | ▪データサイエンス実践コース ・データサイエンスとは ・Pythonの速習 ・データ分析の 5step サイクルについて ・探索的データ分析 ・確証的データ分析 ・多変量解析 ・分析結果の解釈 ・解析手法や機械学習モデルの説明性 ・総演習 ▪機械学習実践コース ・Python の速習 ・データの前処理 ・データサイエンス入門（回帰） ・演習問題 ・データサイエンス入門（分類） ・教師なし学習 ・評価指標 ・演習 ▪ディープラーニングハンズオンコース ・Azure で環境構築 ・ディープラーニング入門（分類） ・ディープラーニング入門（回帰） ・CNN で画像分類 ・時系列解析 ・自然言語処理 ▪ディープラーニング画像処理特化コース ・Semantic Segmentation ・アノテーション ・U-Net ・演習 ・物体検知 ・アノテーション ・SDD ・演習問題 ・自然言語処理 ▪ディープラーニング自然言語処理特化コース ・カウントベースの手法と類似文検索 ・分散表現と文書可視化 ・文書生成 ・Transformer ・BERT ・演習 ・GPT モデルによる文書生成 |
後半 3 ヶ月間（課題解決型研修期間）
| 4~6ヶ月間 | ▪課題設定・データ収集 ・現状の課題、仮説立て ・扱うデータ、タスクの整理 ・解析手法の選定 ・達成目標 ・PBL スケジュールの策定 ▪PoC・精度改善 ・データ取得、データ前処理、構造化 ・集計、可視化、EDA（探索的データ分析） ・要因分析、特徴量作成 ・アノテーション ・モデル構築、学習、評価、検証 ▪成果報告会 ・テーマ選定の背景と目的 ・作業内容 ・分析及び、推論結果 ・最終成果発表、今後の展望 |
Loading...
