お問い合わせ

コース概要

データサイエンス/AI入門

  • データを通じた知識獲得
  • 知識の表現方法
  • 価値創出の仕組み
  • データサイエンス概論
  • AIエコシステムと新しい分析手法
  • 主要な技術群

データサイエンスのワークフロー

  • CRISP-DMモデル
  • データ準備工程
  • モデル設計段階
  • モデル構築作業
  • 結果のコミュニケーション
  • 実環境への展開手順

データサイエンス関連技術

  • プロトタイピングに用いられる言語群
  • ビッグデータ処理技術
  • 一般的な課題に対する包括的な解決策
  • Python言語の基礎概要
  • Sparkとの連携方法

ビジネスにおけるAI活用

  • AIエコシステム概観
  • AI利用に伴う倫理的課題
  • 企業内でのAI推進手法

データソースの種類と選定

  • データの分類方法
  • SQLとNoSQLの比較検討
  • データ保存の仕組み
  • 適切なデータ準備プロセス

統計的手法による分析

  • 確率理論の基礎
  • 統計学全体像
  • 各種統計モデルの適用法
  • Pythonを用いたビジネス向け分析事例

実務における機械学習応用

  • 教師あり学習と教師なし学習の比較
  • 予測問題への対処法
  • 分類課題解決技術
  • クラスタリング手法の活用
  • 異常検出実装方法
  • 推薦システム構築事例
  • 関連性パターン解析手法
  • Pythonによる機械学習課題解決手順

深層学習技術基礎

  • 従来の機械学習法で対応困難なケース
  • 複雑な課題解決に向けた深層学習活用法
  • TensorFlow入門講座内容

自然言語処理技術

データ可視化手法

  • モデル分析結果の視覚的表現法
  • 可視化実施時の注意点と典型的失敗例
  • Pythonによる可視化ツール活用法

データから意思決定へ-コミュニケーション術

  • 効果的な説得力:データストーリーの構築法
  • 情報伝達の効果性向上策
  • プロジェクト管理技術と運用ノウハウ

要求

本講座を受講するための特別な前提条件はありません。

 35 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (7)

今後のコース

関連カテゴリー