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）：22,000 円
一般受講料（税込）：24,200 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
さまざまな機械学習に関連する基本的な原理・原則とPython上でのプログラムの具体的な実行方法が網羅的に解説されていた。
AIについて人からの説明で概要は理解していると思っていたが、基礎から習うことで正しい知識がみについた。またpythonのコードを繰り返し書き、コンパイル、実行することで、言語に慣れることができ、独学よりも確実に身についたと感じる。
AIの基礎を勉強すると共に、AIのプログラミングにも触れることができ、より実践的でよかった。
AIの勉強を初めてする自分にとって，言葉の意味や概念，考え方をざっと勉強できたことで，今後，さらに知識を深めていくときの土台が少しできたと感じられた。
AI入門ということで、何を勉強すべきなのか、今までは全然分からなかったが、この教本で自分には何が不足しているか分かった。
。。。［受講者の声］をもっと見る