公開講座

非エンジニアのための機械学習入門講座(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、AI・分析プロジェクトにおいて抑えるべきポイントを中心に説明します。本講座では、教師あり学習の手法のうち、主に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。講義形式で概要・理論を学んでいただいた後、演習として「顧客の要望とサンプルデータに基づいた分析の設計」を体験していただきます。
※本講座ではPythonによる実装は行いません。Pythonでの実装まで含めた機械学習の講座を希望する方は「ビジネスで使える機械学習入門講座(教師あり学習)」へお申込みください。

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)の理論概要が理解できる
受講対象者
  • AI・データ分析のプロジェクトにリーダー・マネージャーとして参画予定の方
  • AI・データ分析のプロジェクトを企画される方
  • 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理解したい方
受講費用

88,000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。
  • Microsoft Office (Excel、Powerpoint)
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

時間:9時00分~18時00分

  • 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
  • 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
    • 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

2021年11月1日(月)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10月25日(月)17時00分 締切

入金締切

2021年10月28日(木)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