機械学習による問題解決実践 (オンラインLIVE版)【データサイエンティスト入門研修】
ビジネス課題の解決に機械学習をどのように用いてアプローチしていくかを、講義とケーススタディを通じて学んでいきます。
ログデータ、センサーデータ、ソーシャルデータなどに代表される大量データの分析を行うためには、機械学習の活用が非常に有効です。本講座では、SVM(サポートベクトルマシン)などの手法の修得を通じて、機械学習を実践する方法を身に付けることができます。
総合演習では、受講生が自社の分析担当者になった想定で、特定の商品の購入者予測などのモデルを作成し、プレゼンテーションを実施します。
提供・運営:株式会社ブレインパッド
まずはお気軽に
コースの特徴
- ● 座学で理論を学ぶだけではなく、演習で実データを対象とした問題解決に取り組むため、機械学習をビジネスで活用するためのヒントや注意点、実装で役立つポイントをバランスよく習得できます。
- ● 機械学習を頭で理解するだけではなく、一連の分析プロセスを演習形式で体験できるため、自身がスムーズに分析に取り掛かれるのはもちろんのこと、分析担当者に業務を依頼する際にも、円滑なコミュニケーションが期待できます。
資料
コース概要
開講日
2024年06月13日(木)
・1日目 2024年06月13日(木)09:00~18:00
・2日目 2024年06月14日(金)09:00~18:00
2024年09月12日(木)
・1日目 2024年09月12日(木)09:00~18:00
・2日目 2024年09月13日(金)09:00~18:00
※お申込み、日程変更/キャンセル締切日は、コース開始日の12営業日前です。
※提携企業のコースのため、お申込み受付後に満席となった場合はご受講いただけないことがあります。あらかじめご了承ください。
・1日目 2024年06月13日(木)09:00~18:00
・2日目 2024年06月14日(金)09:00~18:00
2024年09月12日(木)
・1日目 2024年09月12日(木)09:00~18:00
・2日目 2024年09月13日(金)09:00~18:00
※お申込み、日程変更/キャンセル締切日は、コース開始日の12営業日前です。
※提携企業のコースのため、お申込み受付後に満席となった場合はご受講いただけないことがあります。あらかじめご了承ください。
コース名
機械学習による問題解決実践 (オンラインLIVE版)【データサイエンティスト入門研修】
学習目標
機械学習を用いた予測モデルの学習・推論・評価の一連のプロセスを実行でき、プロジェクトの目的に沿った、データに基づく意思決定を実践できるようになること
受講形式
オンライン研修
・社用PCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認の上、お申込みください。
・本コースは株式会社ブレインパッドとの提携コースのため、株式会社ブレインパッドで開催します。
受講に関するご連絡は、株式会社ブレインパッドより行わせていただきます。
・コース実施・運営のため、受講者の個人情報を提携先に提供します。
・個人情報の利用目的等については弊社の個人情報保護ポリシー及び個人情報の取り扱いについてをご参照ください。
・社用PCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認の上、お申込みください。
・本コースは株式会社ブレインパッドとの提携コースのため、株式会社ブレインパッドで開催します。
受講に関するご連絡は、株式会社ブレインパッドより行わせていただきます。
・コース実施・運営のため、受講者の個人情報を提携先に提供します。
・個人情報の利用目的等については弊社の個人情報保護ポリシー及び個人情報の取り扱いについてをご参照ください。
受講対象者
・業務で機械学習を活用した分析プロジェクトに携わることになった初学者の方
・機械学習の基礎的な考え方を身に付けたい方
・Pythonを使った機械学習の分析手法・ライブラリの活用法を習得したい方
・機械学習を用いた分析プロジェクトに関わることになったマネジメント層の方
・機械学習によるビジネス上の問題解決の一連のプロセスを体験したい方
・機械学習を使った分析結果を業務改善に生かす方法を知りたい方
・機械学習の基礎的な考え方を身に付けたい方
・Pythonを使った機械学習の分析手法・ライブラリの活用法を習得したい方
・機械学習を用いた分析プロジェクトに関わることになったマネジメント層の方
・機械学習によるビジネス上の問題解決の一連のプロセスを体験したい方
・機械学習を使った分析結果を業務改善に生かす方法を知りたい方
前提スキル
・高校数学程度の知識がない場合でもご受講いただける内容となっております。
・講義はサンプルコードを用いて解説をメインに進行します。演習はPythonで主体的にプログラミングできるスキルが求められるため、PythonまたはPython以外のプログラミング経験があることが望ましいです。
・Zoom・BOXをご利用いただける方。
・講義はサンプルコードを用いて解説をメインに進行します。演習はPythonで主体的にプログラミングできるスキルが求められるため、PythonまたはPython以外のプログラミング経験があることが望ましいです。
・Zoom・BOXをご利用いただける方。
受講料
1名様 220,000円(税込)
学習想定総時間
2日
必要環境
【PCの推奨環境】
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨:Core i5以上)
・メモリ:8GB以上(推奨:16GB以上)
・ストレージ:SSD 128GB以上
・Microsoft Office (Excel, PowerPoint ※2016以降)
・安定したインターネット接続環境
・ウェブカメラ、スピーカー(またはイアホン)、マイク
【利用言語・ソフト】
・Python(JupyterLab)、Microsoft Office(Excel、PowerPoint ※2016以降)
【使用ツール】
・Zoomは研修のライブ配信用に使用しますので必須です。
・BOXは、教材、ソースコード等のダウンロードや総合演習時のチーム内でのファイル共有に利用します。
【推奨環境】
・サブモニターやタブレット。
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨:Core i5以上)
・メモリ:8GB以上(推奨:16GB以上)
・ストレージ:SSD 128GB以上
・Microsoft Office (Excel, PowerPoint ※2016以降)
・安定したインターネット接続環境
・ウェブカメラ、スピーカー(またはイアホン)、マイク
【利用言語・ソフト】
・Python(JupyterLab)、Microsoft Office(Excel、PowerPoint ※2016以降)
【使用ツール】
・Zoomは研修のライブ配信用に使用しますので必須です。
・BOXは、教材、ソースコード等のダウンロードや総合演習時のチーム内でのファイル共有に利用します。
【推奨環境】
・サブモニターやタブレット。
解約可能期間
理由の如何にかかわらず、お申込み後のキャンセルは受け付けておりませんので、ご返金いたしかねます。受講料の支払い前にキャンセルされた場合でも、全額ご負担いただきます。やむを得ずキャンセルされる場合には、振り替え受講、または、受講者の変更をお願いしております。振り替え受講可能期間は、申込講座の開催日以降、1年間以内に開催される講座とさせていただきます。
備考
・お勤め先のPCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認ください。BOXがご使用できない場合は、メール等にて別途ご相談お願いいたします。
・スピーカー(またはイヤホン)、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・テキストは、PDFデータでの提供となります。快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。ダウンロード方法は、株式会社ブレインパッドより開催約1週間前に送付する受講票メールで、お知らせいたします。
※カリキュラム内容は進行の都合により変更になることがあります。
※当コースの無料体験版はございません。
・スピーカー(またはイヤホン)、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・テキストは、PDFデータでの提供となります。快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。ダウンロード方法は、株式会社ブレインパッドより開催約1週間前に送付する受講票メールで、お知らせいたします。
※カリキュラム内容は進行の都合により変更になることがあります。
※当コースの無料体験版はございません。
カリキュラム概要
カリキュラム
概要
学習想定時間(h)
PART【講義】
【講義:120分】
・機械学習とは
-機械学習の活用シーン
-機械学習の種類
-本研修で扱う機械学習(分類)
・サポートベクターマシン(SVM)
-分類における機械学習の役割
-分類に使われるアルゴリズムの例
-SVMの境界の決め方
-線形分離不可能な場合
ーカーネル法による問題解決
-特徴量と分類の正解率の関係
-scikit-learnパッケージを用いた機械学習の概要
・機械学習とは
-機械学習の活用シーン
-機械学習の種類
-本研修で扱う機械学習(分類)
・サポートベクターマシン(SVM)
-分類における機械学習の役割
-分類に使われるアルゴリズムの例
-SVMの境界の決め方
-線形分離不可能な場合
ーカーネル法による問題解決
-特徴量と分類の正解率の関係
-scikit-learnパッケージを用いた機械学習の概要
2h
PART2【講義】
【講義:120分】
・機械学習による分類モデル作成の流れ
-機械学習の目的
-分類に影響する問題:過学習
-分類の良さ(汎化性能)を確認する方法:ホールドアウト検証
-K-分割交差検証
-チューニング
-SVMのハイパーパラメータ
-グリッドサーチ:ハイパーパラメータの最適な組合せの見つけ方
-機械学習におけるモデル作成の流れ
-対象の割合が偏るデータの分類
・機械学習による分類モデル作成の流れ
-機械学習の目的
-分類に影響する問題:過学習
-分類の良さ(汎化性能)を確認する方法:ホールドアウト検証
-K-分割交差検証
-チューニング
-SVMのハイパーパラメータ
-グリッドサーチ:ハイパーパラメータの最適な組合せの見つけ方
-機械学習におけるモデル作成の流れ
-対象の割合が偏るデータの分類
2h
PART3【ミニ演習】
【ミニ演習:240分】
・過去の購買履歴データを用いたユーザの属性推定モデルの作成を特徴量の選定から行い、予測精度の評価まで行う
-設定
-家計簿スマホアプリの概要
-変数一覧
-手順
-雛形スクリプトの解説
-参考:データ型の変換
・結果発表/講師評
・過去の購買履歴データを用いたユーザの属性推定モデルの作成を特徴量の選定から行い、予測精度の評価まで行う
-設定
-家計簿スマホアプリの概要
-変数一覧
-手順
-雛形スクリプトの解説
-参考:データ型の変換
・結果発表/講師評
4h
PART4【総合演習】
【総合演習:480分】
・過去の購買履歴データを元に商品購入者の予測モデルを作成し施策提案を行う
-分析設計
・ターゲットの選定
・特徴量の探索
-中間発表
-モデル構築と検証
・最終発表/講師評
・過去の購買履歴データを元に商品購入者の予測モデルを作成し施策提案を行う
-分析設計
・ターゲットの選定
・特徴量の探索
-中間発表
-モデル構築と検証
・最終発表/講師評
8h
修了生の声
分析を実ビジネスで活用できるようになる、 一番効率的なやり方だと思います。
データ分析は「きりがない」。――ビジネスに活かすデータ分析の考え方を学びました。
機械学習への興味が増したのでこれを機に更に学習を進めるモチベーションとなりました。
お支払方法
- ※ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますのであらかじめご了承ください(開催当日の現金でのお支払い、クレジットカードでのお支払いは承っておりません)。参加費は、開催日の5営業日前までにお支払いください。
- ※法人のお客様の場合は請求書払いのご対応も可能です。
FAQ
- 講義は録音、録画できますか?
- 講義の録音、録画はご遠慮ください。
- 受講証を紛失いたしました。受講は可能でしょうか?
- 講座開始日の約1週間前にメールで受講票をお送りいたします。そのメールにWeb会議システム(Zoomなど)のIDとパスワードをお知らせします。IDあるいはパスワードが分からなくなってしまった場合には、受講前日までに株式会社ブレインパッドの担当へご連絡ください。
- 代理人の受講も可能ですか?
- 【対面型講座】
はい、可能です。代理の方が受講される場合には、当日受付にて受講証と代理の方のお名刺をご提示ください。
【オンライン型講座】
はい、可能です。代理の方が受講される場合には、開催当日の2営業日前までにご連絡いただき、会議システムのID/パスワード情報の返却をお願いします。代理受講者の方には事務局より別途、受講要項をご案内します。 - 普段は開発系のエンジニアをしているので、プログラムを書くのは得意なのですが、高校時代は文系、大学時代も経済学部と完全な文系脳のため高校レベルの数学知識は正直なところ怪しいです。そのような私でも受講可能でしょうか。
- エンジニア職の方にも文系出身の方がおられるので、最近はそのような質問も承るようになってきました。一方、理系出身で学生時代に数学が得意だった方でも、社会人になって数学からいったん離れてしまうと、すっかり知識から抜けてしまっているケースが見受けられることもあります。
講座内では、関数、行列、微分積分などディープラーニングの理解に必要となる高校数学程度の知識から復習し、機械学習で使われる数学や統計の理論ともに理解していきます。
何となく数式を覚えて理解するのではなく、数学の基礎の基礎から理解していきますので、単純にコードを書いてモデルを構築するよりも学習効果が高くなると考えています。