機械学習実践コース〜豊富な演習を通してデータ分析力と実装力を身につける

実践重視のプログラムで「わかる」を「できる」に！

株式会社キカガク

No. KKGK002

25/12/04 更新

お申込みはこちら

研修内容・特徴
研修プログラム
留意事項・備考
スケジュール
お申込後の流れ
似たテーマの研修

対象者target

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

研修内容・特徴outline・feature

・機械学習に用いる代表的なライブラリの実装（NumPy / Pandas / Matplotlib）
・代表的な回帰の手法（理論・実装）
・代表的な前処理
・代表的な分類の手法（理論・実装）
・教師なし学習（理論・実装）
・ハイパーパラメータチューニング
・分類の評価指標
・不均衡データの取扱
・演習（機械学習モデル構築）

主催団体organizer

本コースは、株式会社キカガクが主催しております。

研修プログラムprogram

内容
事前学習内容
40分	1．イントロダクション・人工知能、機械学習、ディープラーニングとは・機械学習に必要な数学・機械学習の３大トピック・内挿と外挿
50分	2．微分・微分は「何」に使えるのか？・導関数を求めよう・微分の公式・偏微分
40分	3．単回帰分析（数学）・「モデル」を決める・「評価関数」を決める・評価関数を「最小化」する
70分	4．Python入門・プログラミングの環境構築・変数・基本構文・複数の変数を扱う・制御構文・関数
40分	5．単回帰分析(実装）・Numpyの数値計算・Pandasによるデータベース操作・Matplotlibでグラフ描画・実データに対する単回帰分析の実装
60分	6．線形代数・スカラー,ベクトル,行列・行列の演算・サイズ感・転置,単位行列,逆行列・ベクトルで微分
50分	7．重回帰分析(数学) ・「モデル」を決める・「評価関数」を決める・評価関数を「最小化」する
70分	8．重回帰分析(実装) ・行列演算の基礎・パラメータの導出・実データで演習
30分	9．統計・主な統計量・正規分布と3σ法・スケーリング
30分	10．外れ値を考慮した実装・外れ値除去・モデル構築・スケーリングとパラメータの確認
15分	11．ビジネス活用・現場で機械学習を導入できる人材とは

【1日目】Pythonの基礎と回帰タスク

内容
研修プログラム例
9:30-10:00	1．イントロダクション・イントロダクション
10:00-10:30	2．プログラミング演習（予習内容の復習）・Google Colaboratory の準備・Python 演習
10:30-11:00	3．Panadas と Matplotlib によるデータ探索・Pandasでデータベース操作・Matplotlibでグラフの描画・scikit-learnで重回帰分析
11:00-12:00	4．教師あり学習：回帰 Ⅰ - Ⅰ ・回帰分析の理論・回帰分析の実装・重回帰分析
13:00-14:10	5．教師あり学習：回帰 Ⅰ- Ⅱ ・回帰分析の応用手法の理論・回帰分析の応用手法の実装・Lasso 回帰・Ridge 回帰
14:10-15:20	6．データ前処理の基礎・データ前処理の整理・データ前処理の基礎実装・重複行への対応・欠損値補完・除去・特徴量変換 - カテゴリカル変数の取り扱い・正規化 / 標準化・予測モデル構築
15:20-16:30	7．教師あり学習：回帰 Ⅱ ・その他の回帰手法の理論・その他の回帰手法の実装・ PLS（Partial Least Square Regression）・サポートベクターマシン・ニューラルネットワーク
16:30-17:30	8．演習Ⅰ ・車の価格予測モデル構築・実装発表

【2日目】分解タスクとハイパーパラメータ調整

内容
研修プログラム例
9:30-9:50	1．イントロダクション・イントロダクション・Day1 の復習
9:50-11:00	2．演習Ⅰ- 解説・演習の解説・データ前処理の応用実装・外れ値除去 : 3σ法とハンペル判別法・特徴エンジニアリング
11:00-14:00	3．教師あり学習：分類・分類モデルの理論・分類モデルの実装・ロジスティク回帰・決定木・サポートベクターマシン・アンサンブル学習
14:00-15:00	4．分類モデルの評価・モデルの評価方法の理論・決定木モデルの評価方法の実装
15:00-15:40	5．不均衡データへのアプローチ・不均衡データへのアプローチの種類・アプローチの実装・閾値調整・（補足：重み調整）・DownSampling ・OverSampling
15:40-17:30	6．精度向上のアプローチ・精度向上のアプローチの種類・ハイパーパラメータチューニングの実装・Grid Search ・Random Search ・ベイズ最適化（Optuna）

【3日目】評価指標、演習課題に挑戦

内容
研修プログラム例
9:30-9:50	1．イントロダクション・イントロダクション・Day2 の復習
9:50-10:50	2．演習Ⅱ ・分類予測モデル構築
10:50-11:30	3．演習Ⅱ- 解説・実装発表・演習の解説
11:30-13:30	4．教師なし学習・教師なし学習の理論・教師なし学習の実装・クラスタリング・主成分分析
13:30-15:30	5．総演習・ダイレクトマーケティングキャンペーンの予測モデル構築
15:30-17:00	6．総演習 - 解説・実装発表・演習の解説
17:00-17:30	7．アウトロダクション・おすすめ学習書籍やコンテンツの紹介・スキルチェックテスト・アンケート

補講動画

内容
研修プログラム例
120分	1.演習解説・ベースラインモデルの作成・データへのアプローチ・モデルへのアプローチ・手法へのアプローチ・不均衡データへのアプローチ
180分	2．補講演習・コスタリカ貧困レベル分類
100分	3．補講演習解説・イントロダクション・ベースラインモデルの作成1 ・ベースラインモデルの作成2 ・データへのアプローチ・手法へのアプローチ・モデルへのアプローチ

お問合せフォームへ

留意事項・備考notice

【事前に必ず以下をご確認の上お申込みください】
＊本コースのキャンセル期限はオンライン研修の場合、研修開始日の15営業日前17:00まで。動画・eラーニングの場合、原則、申込後の返金・キャンセルは不可です。
＊主催団体によりキャンセルポリシーが異なります。詳細はこちらをご確認ください。
＊キャンセル期限までは無料にてキャンセルを承ります。
＊キャンセル期限を過ぎた後は、受講料全額をキャンセル料として頂戴いたします。
＊事前のお席の確保は原則承っておりません。
＊お申込み内容は、翌営業日以降に確定いたします。
＊お申込み後、満席などでご受講できない場合がございますので、あらかじめご了承ください。満席の場合は、別途ご連絡申し上げます。

※受講に関する注意点※
進行の都合上、研修開始時間を過ぎてからのご参加はご遠慮いただいております。大変恐れ入りますが、研修開始時間までにご参加いただけていない場合、当日キャンセル扱いをさせていただく場合がございますのでご注意ください。