機械学習による問題解決実践
概要
| 研修グループ名 | 機械学習による問題解決実践 | 研修タイプ | オンライン（ライブ）研修 |
|---|
| 研修グループ名 |
|---|
| 機械学習による問題解決実践 |
| 研修タイプ |
| オンライン（ライブ）研修 |
研修内容
【実践型DX・AIデータ活用人材育成研修：データサイエンス ベーシックコース】
ビジネス課題の解決に機械学習をどのように用いてアプローチしていくかを、講義とケーススタディを通じて学んでいきます。
ログデータ、センサーデータ、ソーシャルデータなどに代表される大量データの分析を行うためには、機械学習の活用が非常に有効です。本講座では、SVM（サポートベクトルマシン）などの手法の修得を通じて、機械学習を実践する方法を身に付けることができます。総合演習では、受講生が自社の分析担当者になった想定で、特定の商品の購入者予測などのモデルを作成し、プレゼンテーションを実施します。
PART1
・機械学習とは
－機械学習の活用シーン
－機械学習の種類
－本研修で扱う機械学習（分類）
・サポートベクターマシン（SVM）
－分類における機械学習の役割
－分類に使われるアルゴリズムの例
－SVMの境界の決め方
－線形分離不可能な場合
ーカーネル法による問題解決
－特徴量と分類の正解率の関係
－scikit-learnパッケージを用いた機械学習の概要
PART2
・機械学習による分類モデル作成の流れ
－機械学習の目的
－分類に影響する問題：過学習
－分類の良さ（汎化性能）を確認する方法：ホールドアウト検証
－K-分割交差検証
－チューニング
－SVMのハイパーパラメータ
－グリッドサーチ:ハイパーパラメータの最適な組合せの見つけ方
－機械学習におけるモデル作成の流れ
－対象の割合が偏るデータの分類
PART3
・過去の購買履歴データを用いたユーザの属性推定モデルの作成を特徴量の選定から行い、予測精度の評価まで行う
－設定
－家計簿スマホアプリの概要
－変数一覧
－手順
－雛形スクリプトの解説
－参考：データ型の変換
・結果発表／講師評
PART4
・過去の購買履歴データを元に商品購入者の予測モデルを作成し施策提案を行う
－分析設計
・ターゲットの選定
・特徴量の探索
－中間発表
－モデル構築と検証
・最終発表／講師評
効果（到達目標）
機械学習を用いた予測モデルの学習・推論・評価の一連のプロセスを実行でき、プロジェクトの目的に沿った、データに基づく意思決定を実践できるようになること
対象
・業務で機械学習を活用した分析プロジェクトに携わることになった初学者の方
・機械学習の基礎的な考え方を身に付けたい方
・Pythonを使った機械学習の分析手法・ライブラリの活用法を習得したい方
・機械学習を用いた分析プロジェクトに関わることになったマネジメント層の方
・機械学習によるビジネス上の問題解決の一連のプロセスを体験したい方
・機械学習を使った分析結果を業務改善に生かす方法を知りたい方
教材
ー
前提知識
・高校数学程度の知識がない場合でもご受講いただける内容となっております。
・講義はサンプルコードを用いて解説をメインに進行します。演習はPythonで主体的にプログラミングできるスキルが求められるため、PythonまたはPython以外のプログラミング経験があることが望ましいです。
関連サイト
ー
機械学習による問題解決実践＿Python編【データサイエンティスト入門研修】 2024/6/13～14（オンライン）（開催日：2024年6月13日～2024年6月14日）
概要
| スケジュールコード | 15775 | 研修コード | 02GGE127 | 研修タイプ | オンライン（ライブ）研修 |
|---|---|---|---|---|---|
| 研修名 | 機械学習による問題解決実践＿Python編【データサイエンティスト入門研修】 2024/6/13～14（オンライン） | ||||
| カテゴリ | AI・IoT・ビッグデータ／芝大門技術塾／AI・IoT・ビッグデータ | 価格（税込） | 220,000円 | 定員（名） | 30 |
| 受講実施日数（日） | 2 | 履修時間（H） | 16 | 開催日程（期間） | 2024/06/13～2024/06/14 |
| 開催時間 | 9:00～18:00 | 開場時間 | 8:30 | 会場 | オンライン |
| スケジュールコード |
|---|
| 15775 |
| 研修コード |
| 02GGE127 |
| 研修タイプ |
| オンライン（ライブ）研修 |
| 研修名 |
| 機械学習による問題解決実践＿Python編【データサイエンティスト入門研修】 2024/6/13～14（オンライン） |
| カテゴリ |
| AI・IoT・ビッグデータ／芝大門技術塾／AI・IoT・ビッグデータ |
| 価格（税込） |
| 220,000円 |
| 定員（名） |
| 30 |
| 受講実施日数（日） |
| 2 |
| 履修時間（H） |
| 16 |
| 開催日程（期間） |
| 2024/06/13～2024/06/14 |
| 開催時間 |
| 9:00～18:00 |
| 開場時間 |
| 8:30 |
| 会場 |
| オンライン |
研修内容
ビジネス課題の解決に機械学習をどのように用いてアプローチしていくかを、講義とケーススタディを通じて学んでいきます。
ログデータ、センサーデータ、ソーシャルデータなどに代表される大量データの分析を行うためには、機械学習の活用が非常に有効です。本講座では、SVM（サポートベクトルマシン）などの手法の修得を通じて、機械学習を実践する方法を身に付けることができます。総合演習では、受講生が自社の分析担当者になった想定で、特定の商品の購入者予測などのモデルを作成し、プレゼンテーションを実施します。
PART1
・機械学習とは
－機械学習の活用シーン
－機械学習の種類
－本研修で扱う機械学習（分類）
・サポートベクターマシン（SVM）
－分類における機械学習の役割
－分類に使われるアルゴリズムの例
－SVMの境界の決め方
－線形分離不可能な場合
－カーネル法による問題解決
－特徴量と分類の正解率の関係
－scikit-learnパッケージを用いた機械学習の概要
PART2
・機械学習による分類モデル作成の流れ
－機械学習の目的
－分類に影響する問題：過学習
－分類の良さ（汎化性能）を確認する方法：ホールドアウト検証
－K-分割交差検証
－チューニング
－SVMのハイパーパラメータ
－グリッドサーチ:ハイパーパラメータの最適な組合せの見つけ方
－機械学習におけるモデル作成の流れ
－対象の割合が偏るデータの分類
PART3
・過去の購買履歴データを用いたユーザの属性推定モデルの作成を特徴量の選定から行い、予測精度の評価まで行う
－設定
－家計簿スマホアプリの概要
－変数一覧
－手順
－雛形スクリプトの解説
－参考：データ型の変換
・結果発表／講師評
PART4
・過去の購買履歴データを元に商品購入者の予測モデルを作成し施策提案を行う
－分析設計
・ターゲットの選定
・特徴量の探索
－中間発表
－モデル構築と検証
・最終発表／講師評
効果（到達目標）
機械学習を用いた予測モデルの学習・推論・評価の一連のプロセスを実行でき、プロジェクトの目的に沿った、データに基づく意思決定を実践できるようになること
対象
・業務で機械学習を活用した分析プロジェクトに携わることになった初学者の方
・機械学習の基礎的な考え方を身に付けたい方
・Pythonを使った機械学習の分析手法・ライブラリの活用法を習得したい方
・機械学習を用いた分析プロジェクトに関わることになったマネジメント層の方
・機械学習によるビジネス上の問題解決の一連のプロセスを体験したい方
・機械学習を使った分析結果を業務改善に生かす方法を知りたい方
教材
ー
前提知識
・高校数学程度の知識がない場合でもご受講いただける内容となっております。
・講義はサンプルコードを用いて解説をメインに進行します。演習はPythonで主体的にプログラミングできるスキルが求められるため、PythonまたはPython以外のプログラミング経験があることが望ましいです。
関連サイト
ー
備考
お申込み後のキャンセルは受け付けておりません。
コース開始日の14日前からのお申し出の場合は、キャンセル料をご請求させていただきます。
振り替え受講、または、受講者の変更をお願いしております。
振り替え受講可能期間は、申込講座の開催日以降、１年間以内に開催される講座とさせていただきます。
【利用環境・言語】
Python、JupyterLab、Microsoft Office（Excel、PowerPoint）
【使用ツール】
Zoom、BOX
※BOXの使用が不可のため、以下の対応をいたします。
・テキスト（BOX)・・・弊社より事前にお送りいたします。
【準備いただくもの】
（オンライン開催の場合以下をご用意ください）
・インターネット接続環境
・Windows、またはMacOSがインストールされたPC
※エクセル、パワーポイント（Microsoft Office 2016以降）がインストールされていること
・ウェブカメラ、スピーカー（またはイヤホン）、マイク
※スピーカー（またはイヤホン）、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・モニター（推奨）
・必要となるソフトウェア（下記）のインストールをお願いいたします。
＜インストール方法＞ お申込み後に弊社よりご案内します。
Python
【PCの推奨環境】
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨：Core i5以上)
・メモリ：8GB以上(推奨：16GB以上)
・ストレージ：SSD 128GB以上
・テキストはPDFデータでの提供となります。
※快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。
機械学習による問題解決実践＿Python編【データサイエンティスト入門研修】 2024/9/12～13（オンライン）（開催日：2024年9月12日～2024年9月13日）
概要
| スケジュールコード | 16780 | 研修コード | 02GGE127 | 研修タイプ | オンライン（ライブ）研修 |
|---|---|---|---|---|---|
| 研修名 | 機械学習による問題解決実践＿Python編【データサイエンティスト入門研修】 2024/9/12～13（オンライン） | ||||
| カテゴリ | AI人材教育／AI・IoT・ビッグデータ／芝大門技術塾／AI・IoT・ビッグデータ | 価格（税込） | 220,000円 | 定員（名） | 30 |
| 受講実施日数（日） | 2 | 履修時間（H） | 16 | 開催日程（期間） | 2024/09/12～2024/09/13 |
| 開催時間 | 9:00～18:00 | 開場時間 | 8:30 | 会場 | オンライン |
| スケジュールコード |
|---|
| 16780 |
| 研修コード |
| 02GGE127 |
| 研修タイプ |
| オンライン（ライブ）研修 |
| 研修名 |
| 機械学習による問題解決実践＿Python編【データサイエンティスト入門研修】 2024/9/12～13（オンライン） |
| カテゴリ |
| AI人材教育／AI・IoT・ビッグデータ／芝大門技術塾／AI・IoT・ビッグデータ |
| 価格（税込） |
| 220,000円 |
| 定員（名） |
| 30 |
| 受講実施日数（日） |
| 2 |
| 履修時間（H） |
| 16 |
| 開催日程（期間） |
| 2024/09/12～2024/09/13 |
| 開催時間 |
| 9:00～18:00 |
| 開場時間 |
| 8:30 |
| 会場 |
| オンライン |
研修内容
ビジネス課題の解決に機械学習をどのように用いてアプローチしていくかを、講義とケーススタディを通じて学んでいきます。
ログデータ、センサーデータ、ソーシャルデータなどに代表される大量データの分析を行うためには、機械学習の活用が非常に有効です。本講座では、SVM（サポートベクトルマシン）などの手法の修得を通じて、機械学習を実践する方法を身に付けることができます。総合演習では、受講生が自社の分析担当者になった想定で、特定の商品の購入者予測などのモデルを作成し、プレゼンテーションを実施します。
PART1
・機械学習とは
－機械学習の活用シーン
－機械学習の種類
－本研修で扱う機械学習（分類）
・サポートベクターマシン（SVM）
－分類における機械学習の役割
－分類に使われるアルゴリズムの例
－SVMの境界の決め方
－線形分離不可能な場合
－カーネル法による問題解決
－特徴量と分類の正解率の関係
－scikit-learnパッケージを用いた機械学習の概要
PART2
・機械学習による分類モデル作成の流れ
－機械学習の目的
－分類に影響する問題：過学習
－分類の良さ（汎化性能）を確認する方法：ホールドアウト検証
－K-分割交差検証
－チューニング
－SVMのハイパーパラメータ
－グリッドサーチ:ハイパーパラメータの最適な組合せの見つけ方
－機械学習におけるモデル作成の流れ
－対象の割合が偏るデータの分類
PART3
・過去の購買履歴データを用いたユーザの属性推定モデルの作成を特徴量の選定から行い、予測精度の評価まで行う
－設定
－家計簿スマホアプリの概要
－変数一覧
－手順
－雛形スクリプトの解説
－参考：データ型の変換
・結果発表／講師評
PART4
・過去の購買履歴データを元に商品購入者の予測モデルを作成し施策提案を行う
－分析設計
・ターゲットの選定
・特徴量の探索
－中間発表
－モデル構築と検証
・最終発表／講師評
効果（到達目標）
機械学習を用いた予測モデルの学習・推論・評価の一連のプロセスを実行でき、プロジェクトの目的に沿った、データに基づく意思決定を実践できるようになること
対象
・業務で機械学習を活用した分析プロジェクトに携わることになった初学者の方
・機械学習の基礎的な考え方を身に付けたい方
・Pythonを使った機械学習の分析手法・ライブラリの活用法を習得したい方
・機械学習を用いた分析プロジェクトに関わることになったマネジメント層の方
・機械学習によるビジネス上の問題解決の一連のプロセスを体験したい方
・機械学習を使った分析結果を業務改善に生かす方法を知りたい方
教材
ー
前提知識
・高校数学程度の知識がない場合でもご受講いただける内容となっております。
・講義はサンプルコードを用いて解説をメインに進行します。演習はPythonで主体的にプログラミングできるスキルが求められるため、PythonまたはPython以外のプログラミング経験があることが望ましいです。
関連サイト
ー
備考
お申込み後のキャンセルは受け付けておりません。
コース開始日の14日前からのお申し出の場合は、キャンセル料をご請求させていただきます。
振り替え受講、または、受講者の変更をお願いしております。
振り替え受講可能期間は、申込講座の開催日以降、１年間以内に開催される講座とさせていただきます。
【利用環境・言語】
Python、JupyterLab、Microsoft Office（Excel、PowerPoint）
【使用ツール】
Zoom、BOX
※BOXの使用が不可のため、以下の対応をいたします。
・テキスト（BOX)・・・弊社より事前にお送りいたします。
【準備いただくもの】
（オンライン開催の場合以下をご用意ください）
・インターネット接続環境
・Windows、またはMacOSがインストールされたPC
※エクセル、パワーポイント（Microsoft Office 2016以降）がインストールされていること
・ウェブカメラ、スピーカー（またはイヤホン）、マイク
※スピーカー（またはイヤホン）、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・モニター（推奨）
・必要となるソフトウェア（下記）のインストールをお願いいたします。
＜インストール方法＞ お申込み後に弊社よりご案内します。
Python
【PCの推奨環境】
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨：Core i5以上)
・メモリ：8GB以上(推奨：16GB以上)
・ストレージ：SSD 128GB以上
・テキストはPDFデータでの提供となります。
※快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。
機械学習による問題解決実践 2025/6/12～13（オンライン）（開催日：2025年6月12日～2025年6月13日）
概要
| スケジュールコード | 20507 | 研修コード | 02GGE127 | 研修タイプ | オンライン（ライブ）研修 |
|---|---|---|---|---|---|
| 研修名 | 機械学習による問題解決実践 2025/6/12～13（オンライン） | ||||
| カテゴリ | AI人材教育／AI・IoT・ビッグデータ／芝大門技術塾／AI・IoT・ビッグデータ | 価格（税込） | 220,000円 | 定員（名） | 30 |
| 受講実施日数（日） | 2 | 履修時間（H） | 16 | 開催日程（期間） | 2025/06/12～2025/06/13 |
| 開催時間 | 9:00～18:00 | 開場時間 | 8:30 | 会場 | オンライン |
| スケジュールコード |
|---|
| 20507 |
| 研修コード |
| 02GGE127 |
| 研修タイプ |
| オンライン（ライブ）研修 |
| 研修名 |
| 機械学習による問題解決実践 2025/6/12～13（オンライン） |
| カテゴリ |
| AI人材教育／AI・IoT・ビッグデータ／芝大門技術塾／AI・IoT・ビッグデータ |
| 価格（税込） |
| 220,000円 |
| 定員（名） |
| 30 |
| 受講実施日数（日） |
| 2 |
| 履修時間（H） |
| 16 |
| 開催日程（期間） |
| 2025/06/12～2025/06/13 |
| 開催時間 |
| 9:00～18:00 |
| 開場時間 |
| 8:30 |
| 会場 |
| オンライン |
研修内容
【実践型DX・AIデータ活用人材育成研修：データサイエンス ベーシックコース】
ビジネス課題の解決に機械学習をどのように用いてアプローチしていくかを、講義とケーススタディを通じて学んでいきます。
ログデータ、センサーデータ、ソーシャルデータなどに代表される大量データの分析を行うためには、機械学習の活用が非常に有効です。本講座では、SVM（サポートベクトルマシン）などの手法の修得を通じて、機械学習を実践する方法を身に付けることができます。総合演習では、受講生が自社の分析担当者になった想定で、特定の商品の購入者予測などのモデルを作成し、プレゼンテーションを実施します。
PART1
・機械学習とは
－機械学習の活用シーン
－機械学習の種類
－本研修で扱う機械学習（分類）
・サポートベクターマシン（SVM）
－分類における機械学習の役割
－分類に使われるアルゴリズムの例
－SVMの境界の決め方
－線形分離不可能な場合
－カーネル法による問題解決
－特徴量と分類の正解率の関係
－scikit-learnパッケージを用いた機械学習の概要
PART2
・機械学習による分類モデル作成の流れ
－機械学習の目的
－分類に影響する問題：過学習
－分類の良さ（汎化性能）を確認する方法：ホールドアウト検証
－K-分割交差検証
－チューニング
－SVMのハイパーパラメータ
－グリッドサーチ:ハイパーパラメータの最適な組合せの見つけ方
－機械学習におけるモデル作成の流れ
－対象の割合が偏るデータの分類
PART3
・過去の購買履歴データを用いたユーザの属性推定モデルの作成を特徴量の選定から行い、予測精度の評価まで行う
－設定
－家計簿スマホアプリの概要
－変数一覧
－手順
－雛形スクリプトの解説
－参考：データ型の変換
・結果発表／講師評
PART4
・過去の購買履歴データを元に商品購入者の予測モデルを作成し施策提案を行う
－分析設計
・ターゲットの選定
・特徴量の探索
－中間発表
－モデル構築と検証
・最終発表／講師評
効果（到達目標）
機械学習を用いた予測モデルの学習・推論・評価の一連のプロセスを実行でき、プロジェクトの目的に沿った、データに基づく意思決定を実践できるようになること
対象
・業務で機械学習を活用した分析プロジェクトに携わることになった初学者の方
・機械学習の基礎的な考え方を身に付けたい方
・Pythonを使った機械学習の分析手法・ライブラリの活用法を習得したい方
・機械学習を用いた分析プロジェクトに関わることになったマネジメント層の方
・機械学習によるビジネス上の問題解決の一連のプロセスを体験したい方
・機械学習を使った分析結果を業務改善に生かす方法を知りたい方
教材
ー
前提知識
・高校数学程度の知識がない場合でもご受講いただける内容となっております。
・講義はサンプルコードを用いて解説をメインに進行します。演習はPythonで主体的にプログラミングできるスキルが求められるため、PythonまたはPython以外のプログラミング経験があることが望ましいです。
関連サイト
ー
備考
お申込み後のキャンセルは受け付けておりません。
コース開始日の14日前からのお申し出の場合は、キャンセル料をご請求させていただきます。
振り替え受講、または、受講者の変更をお願いしております。
振り替え受講可能期間は、申込講座の開催日以降、１年間以内に開催される講座とさせていただきます。
【利用環境・言語】
Python、JupyterLab、Microsoft Office（Excel、PowerPoint）
【使用ツール】
Zoom、BOX
※「BOXの利用」、「アクセス規制解除申請」のいずれも困難な場合は、弊社よりSharePointに掲載した形での資料提供を行ないます
【準備いただくもの】
（オンライン開催の場合以下をご用意ください）
・インターネット接続環境
・Windows、またはMacOSがインストールされたPC
※エクセル、パワーポイント（Microsoft Office 2016以降）がインストールされていること
・ウェブカメラ、スピーカー（またはイヤホン）、マイク
※スピーカー（またはイヤホン）、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・モニター（推奨）
・必要となるソフトウェア（下記）のインストールをお願いいたします。
＜インストール方法＞ お申込み後にご案内します。
Python
【PCの推奨環境】
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨：Core i5以上)
・メモリ：8GB以上(推奨：16GB以上)
・ストレージ：SSD 128GB以上
・テキストはPDFデータでの提供となります。
※快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。
