お問い合わせ
 期間 35 時間

コース概要

PythonにおけるAIの概要

  • AIの主要な概念と範囲
  • AI開発のためのPythonライブラリ
  • AIプロジェクトの構造とワークフロー

AIのためのデータ準備

  • データのクリーニング、変換、特徴量エンジニアリング
  • 欠損データおよび不均衡データの処理
  • 特徴量のスケーリングとエンコーディング

教師あり学習の手法

  • 回帰および分類アルゴリズム
  • アンサンブル手法:Random Forest、Gradient Boosting
  • ハイパーパラメータ調整とクロスバリデーション

教師なし学習の手法

  • クラスタリング手法:K-Means、DBSCAN、階層型クラスタリング
  • 次元削減:PCA、t-SNE
  • 教師なし学習の使用事例

ニューラルネットワークとディープラーニング

  • TensorFlowとKerasの入門
  • フィードフォワードニューラルネットワークの構築と学習
  • ニューラルネットワークのパフォーマンス最適化

強化学習(入門)

  • エージェント、環境、報酬の基本概念
  • 基本的な強化学習アルゴリズムの実装
  • 強化学習の応用

AIモデルのデプロイ

  • 学習済みモデルの保存と読み込み
  • APIを介したアプリケーションへのモデル統合
  • 本番環境でのAIシステムの変更管理と保守

まとめと次のステップ

要求

  • Pythonプログラミングの基礎に関する確かな理解
  • NumPyやpandasなどのデータ分析ライブラリの使用経験
  • 機械学習の概念とアルゴリズムに関する基本的な知識

対象読者

  • AI開発スキルを拡大したいソフトウェア開発者
  • 複雑なデータセットにAI手法を適用したいデータアナリスト
  • AI搭載アプリケーションを構築する研究開発(R&D)専門家

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー