公開講座

ビジネスで使える機械学習入門講座(教師あり学習)

講座概要

機械学習の1つである教師あり学習について、モデル作成・予測までの一連のステップを習得することができます。本講座では、教師あり学習の手法のうち、ビジネスに活用しやすい決定木・ランダムフォレストを扱います。また、機械学習のプロジェクトで必須となるデータの前処理、基礎集計、データ分割などのステップについて、実案件での実施例や失敗経験などを交えながら現役データサイエンティストが解説します。講義形式での概要・理論の説明とともに、ハンズオン形式でPythonでの実装も体験していただきます。演習では、講義で学んだ知識をもとに、実務での活用を想定したモデル作成・予測を実施していただきます。

本講座のゴール
  • モデル作成・予測までの一連の流れが理解できる
  • 機械学習(決定木・ランダムフォレスト)の理論概要とPythonでの実装方法が理解できる
受講対象者
  • データ分析のプロジェクトに参画予定の方
  • 機械学習をビジネスに活用したいと考えている方
  • 機械学習(教師あり学習)の理論と実装方法について学びたい方
  • 機械学習のモデル構築までの一連の工程を習得したい方
  • Pythonのスキルを実務で活用する方法を知りたい方
    ※Pythonの基礎的な知識について学習済みの方が対象となります。Pythonを使ったことがない方は「データ分析のためのPython基礎講座」を受講したうえで本講座を受講することをお勧めします。
受講費用

165,000円(税込)/ 1名

利用環境
  • Zoom ※弊社よりログイン情報をお送りいたします。
  • Amazon WorkSpaces ※弊社よりログイン情報をお送りいたします。
    – Python (Jupyter Lab)
準備いただくもの
  • PC
  • Webカメラ、マイク、スピーカー ※PC備え付けのもの可
  • インターネット環境

プログラム

1日目

  • 教師あり学習入門
    • 本講座の受講によりできるようになる処理、分析
    • 機械学習とは
      • 機械学習の定義
      • AIと機械学習の関係性
      • 通常のシステムと機械学習システムの違い
    • 機械学習の分類
      • 教師あり学習
      • 教師なし学習
      • 強化学習
    • 教師あり学習の考え方
      • 説明変数と目的変数
      • 教師あり学習を実現する条件
    • 教師あり学習のステップ
      • 課題の整理、入出力・評価指標の設計
      • データの収集
      • データ前処理
      • 基礎集計
      • 特徴量抽出・変数選択
      • データの分割
      • モデル選択
      • ハイパーパラメータチューニング
      • 学習(訓練)
      • 予測・評価

2日目:午前

  • 教師あり学習入門~手法編~
    • 教師あり学習手法の歴史的変遷
    • 手法概要
      • 決定木
      • ランダムフォレスト

2日目:午後

  • 実データを使用した演習
    • 演習の説明
    • 演習の実施(各自)
    • 解説
  • まとめ

プログラムは予告なく変更になる場合がございます。ご了承ください。

スケジュール

開催日

合計2日間の講座です。

  • 2021年11月24日(水)9時00分~18時00分
  • 2021年11月25日(木)9時00分~18時00分
定員

15名

開催場所(形式)

オンライン研修(ライブ配信形式)

申込締切

2021年11月16日(火)17時00分 締切

入金締切

2021年11月19日(金)15時00分 締切

お申し込み

本講座に関して

お問い合わせ先

株式会社ALBERT 「データサイエンティスト育成支援公開講座」事務局
Email: dst_open@albert2005.co.jp

申し込みに関して
申し込みからの流れ
  • 申込締切は、講座開始日の5営業日前を予定しています。
  • 事業が競合する企業様からのお申し込みは、お断りする場合がございます。予めご了承くださいませ。
  • お申し込みが多数があった際は、受付できないことがございます。お申し込み後事務局よりご連絡いたします。

更新日:2021年8月25日

このカリキュラムをシェア

  • twitter
  • line
  • facebook
  • in
  • b

おすすめの講座