AI for Generalist
プログラミング未経験社の文系・理系・ビジネスサイドの方でも、GUI上の操作だけで、データ分析やデータ活用に役立つ AI を構築できるようになる講座です。
本講座では、データの可視化や要約統計量の算出から始まり、機械学習や教師あり学習、モデルの評価方法、チューニングまでを網羅的に学びます。
プログラミングの習得にコストをかけることなく、自社内でDX/AIプロジェクトの推進者の育成します。
こんな方におすすめ
・AI開発に興味があるが、プログラミング経験がない方
・ビジネス分析や意思決定にデータを活用したい経営者やマネージャー
・ノーコードツールを使ってデータを活用し、ビジネスプロセスの最適化を図りたいマーケティング担当者
・機械学習やAIの基礎を学びたい大学生や研究者
研修のゴール
・AIの基礎的な知識を習得する
・ツールを用いながら実践で使えるAIを構築できる
・プログラミングと同等のクオリティでAIを構築できる
活用事例
プログラミング習得のハードルをなくし、DXの内製化を実現する人材を育成します。
講座概要
カテゴリ | ビジネス力 |
講座名 | AI4G |
講座時間 | 計4日間/1日6時間 |
CURRICULUM
Curriculum
- カリキュラム
Day 01:データサイエンスの実務と本講座の概要
タスク/ハンズオン:
プロジェクトの各ステップと解説する機能の対応
ハンズオンの準備:アカウントのセットアップ (講座の前)、講座用プロジェクトの作成
プロジェクト作成に必要な各種設定設定
Day 02:データの可視化と要約統計量の算出
タスク/ハンズオン:
データセットのインポート
データの前処理
グラフの描画
要約統計量の確認
詳細:
データの種別:数値/カテゴリー、表 / 画像 / 自然言語 / 音声
データの可視化 (それぞれ利用シーンを解説):折れ線グラフ / 棒グラフ / 散布図 / ヒストグラム / 円グラフ
要約統計量 (それぞれ利用シーンを解説):平均 / 中央値 / 最頻値 / 分散 / 標準偏差 / 相関係数
データの前処理:欠損値処理、標準化 / 正規化、one-hot / ラベルエンコーディング
Day 03:機械学習 / 教師あり学習
タスク/ハンズオン:データセットのアノテーション
詳細:
機械学習とは?
教師あり学習 / 教師なし学習 (参考的な位置付け)
回帰 / 分類
モデルの検証方法:ホールドアウト法と交差検証法
様々なモデル:線形回帰 / ロジスティック回帰 / 正則化項のある回帰 / 決定木 / k-NN / サポートベクターマシン / ランダムフォレスト / 勾配ブースティング / MLP
モデルのアンサンブル:バギング / ブースティング / スタッキング
データの重要性:データの量・質、アノテーションとは、アノテーションにおけるtips
Day 04:モデルの評価方法とチューニング
タスク/ハンズオン:
モデルの作成:単一モデル、AutoML
モデルの評価
解釈性の可視化
作成したモデルの使用方法,デプロイ
詳細:
リークについて
各種評価指数:RSME / MAE / MAPE / MSLE、混同行列 / precision / recall / F1
評価指標の選択方法
ハイパーパラメータチューニング:ランダムサーチ、グリッドサーチ、ベイズ最適化
解釈性指標:Feature Importance / SHAP
OPTION
扱うモデル/テクニック:受講者の業務課題による
確率
確率分布:正規分布 / 一様分布 / ベータ分布
期待値
中心極限定定理
信頼区間
検定
第一種の過誤 / 第二種の過誤
process
Process
- 講座開催までのお申し込み手順
STEP 01:お打ち合わせの日程調整
【お打ち合わせカレンダー】よりご希望の日時を選択し、必要事項をご記入の上、日程調整を完了してください。
お打ち合わせはオンライン(Google Meet)で行います。
STEP 02:お打ち合わせ・ヒアリング
お打ち合わせで貴社のニーズのヒアリングをさせて頂き、実課題解決に最適なカリキュラムをご提案致します。
また、開講する期間等、講座に関するご質問への対応をいたします。
STEP 03:講座開催
契約完了となり、講座を開催します!
※本講座はオンラインでもオフライン(対面)でも受講可能です。
review