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

受講者専用ページ

プライバシーマーク制度
SuperGrace
  1. 全講座一覧
  2. 生涯訓練講座
  3. ものづくり(技術)
  4. IoT
  5. Pythonで学ぶAI活用入門

講座詳細

【新講座】2020年2月開講予定

*消費税10%込の受講料です。
*[テキスト内容を見る]準備中

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

お問い合わせ(個人・法人共通)

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
  • ◆初回提出時にマークシートかWeb提出のどちらかをお選びください。

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

※ 内容は、一部変更される可能性があります。