実務で活かせる!
データサイエンス徹底演習コース

セミナー申込

本コースの特徴

1. 初学者でも安心のStep by Stepのカリキュラム
本コースでは実データを取り扱い、機械学習のモデル(何か予測できるもの)を構築できるようになるまで取り組んでいただきます。
ハードルが高いように思われますが、基礎から一歩一歩学習を進めていくので初学者の方でも安心です。

 

▼学習の流れ
1.事前動画予習:Python&機械学習の基礎1
2.Pythonの基礎2
3.機械学習の基礎2
4.機械学習の応用
5.実践演習

 

基礎から実践までを一気通貫して、かつ体系的に学ぶことのできるカリキュラム設計になっています。

 

2. 実務で活きるスキルにフォーカス
キカガクにはコンサルティングを通して培った、実務で活きるノウハウがあります。
講義の中でも実問題と照らし合わせながら学習を進めることができるので、
本コース修了後には実務に活かせる基礎的な力を習得することが可能です。

 

3. 実践的な課題演習で実力が身につく
学習→演習のサイクル を繰り返すキカガク流の講義では、学習した内容を身につけながら進める事ができます。
それぞれの演習では「どのようにアプローチするのか」というところから入るため、
技術だけでなく 実問題に対する思考プロセスも理解する事ができます。

 
 

■受講前の受講生の声

Q.Pythonでのプログラミング経験がないのですが、大丈夫でしょうか?
A.はい、本コースでは事前予習動画によるサポートと、初回の講義でPythonの基礎についての徹底速習を行うので、未経験の方で受講することができます。

 

Q.データサイエンスについて学びたいのですが、どこから始めていいのかわかりません。
A.本コースではデータサイエンスの基礎となる知識から、プログラミングによるその実装まで、体系的に学ぶことができます。
機械学習初学者の方にも、安心して受講いただけます。

 

Q.社内のプロジェクトで機械学習を使用することが決まったのですが、どのように進めればいいのかわかりません。
A.実問題に近いデータを使って学習を進める本コースでは、実務の観点から機械学習のモデルを構築するプロセスを学ぶことができます。

取得可能スキル

Python,プログラミングの基礎

Pythonの基本から、機械学習に必須のライブラリの使用方法を理解し、実装する事ができます。(主に取り扱うライブラリ:数値計算用ライブラリ → Numpy、データ操作用ライブラリ → Pandas、データ可視化用ライブラリ → Matplotlib)

機械学習用ライブラリ:scikit-learn

機械学習のモデル(予測などをおこなうもの)の作成には一般的にscikit-learnというライブラリが用いられます。その基礎的な使用方法から、手法の実装方法、予測精度を向上させるために必要な「ハイパーパラメータのチューニング」など、幅広く理解、実装することができます。

機械学習の基礎

機械学習は1つの手法のみではなく、様々な手法があります。その代表的なものの特徴や強み、弱みといった理解すべきポイントがわかります。 機械学習には様々な重要な概念があります。例えばデータを成形するための「前処理」、精度向上に必要な「ハイパーパラメータ」、実運用に適したモデル構築のために対処すべき「過学習」、異常検知などで発生する「不均衡データ」など様々です。それらの理解と実装をおこなうことができます。

こんな方におすすめ

  • 機械学習を会社で使う事が決まったがどこから始めればいいのかわからない方
  • データサイエンスについて体系的に学びたい方
  • 概念だけではなく、プログラミングで実問題に対しても実装できる力を付けたい方

カリキュラム

  • 1日目
  • 2日目
  • 3日目
  • 4日目
時刻 トピック 内容
13:00 ~ 14:00 イントロダクション
  • 機械学習とは?
  • 機械学習の開発フロー
  • データサイエンティストの立ち位置
  • 最適なモデル構築のプロセス
14:10 ~ 16:10 重回帰分析(回帰)
  • Pythonの基礎 (for, if文, numpyなど)
  • Pandasによるデータベース操作
  • Matplotlib&Seabornでグラフの描画
  • Scikit learnで重回帰分析を実装
16:20 ~ 17:00 演習
  • 回帰問題 (重回帰分析)
宿題
  • 結果の考察
時刻 トピック 内容
13:00 ~ 15:00 データの前処理
  • データの正規化
  • 外れ値除去 : 3σ法とハンペル判別法
  • 相関関係、 決定係数の確認
  • 欠測値補完
  • 特徴量変換
  • 特徴エンジニアリング
15:10 ~ 16:00 回帰分析の代表的手法と実装方法
  • 線形と非線形
  • サポートベクターマシン
  • 決定木
  • ニューラルネットワーク
16:10 ~ 17:00 決定木分析(分類)
  • 決定木分析の実装
  • 決定木分析とは
  • PrecisionとRecall
宿題
  • モデルの最適化
時刻 トピック 内容
13:00 ~ 14:20 モデルの最適化
  • ハイパーパラメータとは
  • ハイパーパラメータの調整方法
  • Grid Search
  • ベイズ最適化
    14:30 ~ 16:00 分類問題の代表的手法
    • SVM(サポートベクターマシン )
    • ランダムフォレスト
    • ニューラルネットワーク
    • xgboost
      16:10 ~ 17:00 教師なし学習
      • 主成分分析を使用して結果を可視化
      • クラスタリング(k-means)
      宿題
      • 各分析手法に対してGrid Searchを適応
        時刻 トピック 内容
        13:00 ~ 13:40 ハイパーパラメータの最適化
        • Grid Searchの最適な適応方法
        13:50 ~ 15:50 ケーススタディ(実践)
        • 実データで分類問題
        • 前処理
        • 手法の選択
        • モデルの最適化
        • 結果の可視化
        16:00 ~ 17:00 解説
        • 演習の解説
        • セミナーの振り返り、今後の展望

        概要一覧

        スケジュール

        2018/11/7, 14, 21, 28(水)13:00~17:00(開場:12:30)
        (ブラッシュアップしたデータサイエンス徹底演習コースを2019年4月に開講予定です)

        料金

        200,000円/名(税別)

        開催場所

        東京都千代田区内神田3-2-9 SPビル 4階

        備考

        事前学習/準備
        ・Udemy動画視聴(脱ブラックボックスセミナー 初級, 中級視聴)
        ・Pythonの環境構築
        ※上記の事前学習/準備に関する資料はお申し込み完了後に弊社からご提供させて頂きます。

        アクセス

        山手線 神田駅 徒歩3分
        東京メトロ丸の内線 大手町駅 徒歩11分
        総武本線 新日本橋駅 徒歩8分

        セミナー申込

        必須
        必須
        必須
        必須
        必須
        必須
        必須

        備え付けWindows PC使用について

        必須

        支払い

        ※ 請求書払いは法人申込の方が対象。
            また受講初日の翌月末払いとなります。


        必須

        関連する他のセミナー