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

Pythonで学ぶAI活用入門

　

コースコード

E45

受講期間	３か月	受講料	22,000円

表紙イメージ

電子ブック対応

Web提出

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。

◆通信教育講座～Pythonで学ぶAI活用入門◆

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　AIの概要 AIとは AIの歴史 AI分野の俯瞰第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 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
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ロジスティック回帰の基礎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 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の概要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

	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。
	機械学習の技術体系を網羅的に習得することができた。初心者でもわかりやすい内容になっていた。
	テキストの内容について、数式の羅列ではなく、イメージ的な説明で”可視化”され、非常に理解しやすかった。pythonプログラムの文法やら構文解説は省かれており、実装例はプログラムの内容をひとつずつ解説する形で理解しやすく、そのまま実務に使用できるものであった。機械学習に用いられる数多くのモデルの紹介があり、大変参考になった以上の点が大変良かったと感じた。会社の若手にも推薦したいと考える。
	機械学習のアルゴリズムの仕組みを難しい数式などを極力使わずに、わかりやすく解説されていて、それぞれの手法がどういう仕組みのものなのか知ることができ、大変貴重な勉強ができました。
	現在データサイエンスの部門に異動を目標にしており、機械学習の勉強をしていました。一通り学んでＧ検定なども取得しましたが、知識が網羅できているわけではなかったので、知識の補強目的で受講しました。幅広い範囲が網羅されており、数式も深入りしすぎず、数学が苦手な私でも比較的理解しやすかったです。レポート課題もテキストをしっかりこなせば解ける良問で、自分の知識がちゃんと定着できるかの確認もしやすかったです。