• 研修の進捗状況や質疑応答等により、終了時間は前後することがありますので、あらかじめご了承ください。
• 満席になり次第、募集を締め切らせていただきますのでご了承ください。

当トレーニングの注意事項:

• 当日はWEB会議システム（Zoom）を使用してライブオンライン形式で開催いたします。
• 事前学習付きです（お申込完了後ご案内いたします）

• ●プラットフォームへの登録について
• コースへお申込をされますと、同社が管理するプラットフォームに以下の情報が登録されます。
• なお、プラットフォームへ登録された情報は、受講連絡、お問合せ対応、修了状況の確認等に利用いたします。
• 《登録される情報》
• 申込者氏名/申込者メールアドレス/会社名/住所情報/電話番号

• ●セミナー受講規約について
• セミナーの受講に際して株式会社キカガクのセミナー受講規約をご確認ください。
• URL：https://www.kikagaku.co.jp/legal-docs/terms-of-service/seminar
• なお、コースお申し込み完了時点でセミナー受講規約に同意したものとみなします。

• ●必要な受講環境
• Zoom
• 　当日は、ビデオチャットツール「Zoom」を使用いたします。
• 　受講までにZoomアプリツールのインストール・ユーザー登録（無料）をお願いいたします。
• 　https://support.zoom.us/hc/ja/sections/200704559-%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AB
• Google Chrome
• 　ご受講には Google Chrome ブラウザの使用を推奨しております。事前にダウンロードとインストールをお願いいたします。
• 　https://support.google.com/chrome/answer/95346?hl=ja&co=GENIE.Platform%3DDesktop
• Google Colaboratory
• 　実装環境には、Google Colaboratory を使用いたします。事前にアクセス確認をお願いいたします。
• 　アクセスの確認方法は以下のリンク先 URL を参照ください。
• 　https://blog.kikagaku.co.jp/google-colab-howto

コース概要:

豊富な演習を通して機械学習を用いたデータ分析力と実装力を身につけるコースです。
また、講義のほかに約9時間の事前学習動画と約6時間の補講動画が付属しております。

対象者:

このコースは次のような方を対象としています。

• Python・機械学習を学びたいが、何から始めればいいのかわからない方
• データサイエンティストとしてデータ分析力と実装力を両方身につけたい方
• 実データに対してのアプローチを体系的に学び、問題解決能力を高めたい方

到達目標:

本コース修了後、次の事項ができることを目標としています。

• データ分析の基礎と機械学習の実装方法を習得できている状態。
• ケースに応じた手法を選択し、評価指標を用いて判断できている状態。
• データから課題を見出し、解決するためのアプローチを自身で考えられている状態。

修了条件:

• 全日程のコース受講

前提条件:

• AI に関する基礎知識
• Python を使用した機械学習の基礎実装
• Python による基礎プラグラミング
• ※ 上記は事前学習でご用意しています。事前学習の実施は必須となっています。

カリキュラム:

【1日目】

• イントロダクション
• プログラミング演習（予習内容の復習）
• Panadas と Matplotlib によるデータ探索
• 教師あり学習：回帰 Ⅰ - Ⅰ
• 教師あり学習：回帰 Ⅰ- Ⅱ
• データ前処理の基礎
• 教師あり学習：回帰 Ⅱ
• 演習Ⅰ

【2日目】

• イントロダクション
• 演習Ⅰ- 解説
• 教師あり学習：分類
• 分類モデルの評価
• 不均衡データへのアプローチ
• 精度向上のアプローチ

【3日目】

• イントロダクション
• 演習Ⅱ
• 演習Ⅱ- 解説
• 教師なし学習
• 総演習
• 総演習- 解説
• アウトロダクション

教材:

• Web 教材
• ※ 講義内で当日に配布