銀行業界向けの機械学習（Pythonを使用）のトレーニングコース

This instructor-led, live training in 日本 (online or onsite) is aimed at data scientists and software engineers who wish to use AdaBoost to build boosting algorithms for machine learning with Python.

By the end of this training, participants will be able to:

• Set up the necessary development environment to start building machine learning models with AdaBoost.
• Understand the ensemble learning approach and how to implement adaptive boosting.
• Learn how to build AdaBoost models to boost machine learning algorithms in Python.
• Use hyperparameter tuning to increase the accuracy and performance of AdaBoost models.

This instructor-led, live training in 日本 (online or onsite) is aimed at data scientists as well as less technical persons who wish to use Auto-Keras to automate the process of selecting and optimizing a machine learning model.

By the end of this training, participants will be able to:

• Automate the process of training highly efficient machine learning models.
• Automatically search for the best parameters for deep learning models.
• Build highly accurate machine learning models.
• Use the power of machine learning to solve real-world business problems.

This instructor-led, live training (online or onsite) is aimed at technical participants with a background in machine learning who wish to optimize models for detecting complex patterns in big data using AutoML frameworks.

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、さまざまな専門知識レベルを持つ参加者向けに設計されており、GoogleのAutoMLプラットフォームを使用して様々なアプリケーション向けのカスタムチャットボットを構築したいと考えている方々を対象としています。

このトレーニング終了時には、参加者は以下のことができるようになります：

• チャットボット開発の基本を理解する。
• Google Cloud Platformをナビゲートし、AutoMLにアクセスする。
• チャットボットモデルの訓練用データを準備する。
• AutoMLを使用してカスタムチャットボットモデルを訓練および評価する。
• チャットボットを様々なプラットフォームやチャネルにデプロイし、統合する。
• 時間とともにチャットボットのパフォーマンスを監視し、最適化する。

This instructor-led, live training in 日本 (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、DataRobotの機械学習機能を使用して予測モデルを自動化、評価、管理することを目指すデータサイエンティストとデータアナリスト向けです。

本トレーニング終了時には、参加者は以下のことが able to できます：

• DataRobotにデータセットを読み込み、分析、評価、品質チェックを行う。
• モデルを構築し、学習して重要な変数を特定し、予測目標を達成する。
• モデルを解釈して、ビジネス意思決定に役立つ貴重な洞察を提供する。
• モデルを監視し、管理して最適化された予測性能を維持する。

This instructor-led, live training in 日本 (online or onsite) is aimed at data scientists, data analysts, and developers who wish to explore AutoML products and features to create and deploy custom ML training models with minimal effort.

By the end of this training, participants will be able to:

• Explore the AutoML product line to implement different services for various data types.
• Prepare and label datasets to create custom ML models.
• Train and manage models to produce accurate and fair machine learning models.
• Make predictions using trained models to meet business objectives and needs.

このインストラクター主導の日本でのライブトレーニング（オンラインまたはオンサイト）は、Kubernetesで機械学習ワークフローを構築、デプロイ、管理したい開発者やデータサイエンティストを対象としています。

このトレーニングが終了するまでに、参加者は次のことができるようになります。

• AWS EKS（Elastic Kubernetes Service）を使用して、オンプレミスとクラウドにKubeflowをインストールして構成します。
• DockerコンテナとKubernetesに基づいてMLワークフローを構築、デプロイ、管理します。
• さまざまなアーキテクチャとクラウド環境で機械学習パイプライン全体を実行します。
• Kubeflowを使用してJupyterノートブックを生成および管理します。
• MLトレーニング、ハイパーパラメータ・チューニング、および複数のプラットフォームにわたるワークロードの提供を構築します。

This instructor-led, live training in 日本 (online or onsite) is aimed at engineers who wish to deploy Machine Learning workloads to an AWS EC2 server.

By the end of this training, participants will be able to:

• Install and configure Kubernetes, Kubeflow and other needed software on AWS.
• Use EKS (Elastic Kubernetes Service) to simplify the work of initializing a Kubernetes cluster on AWS.
• Create and deploy a Kubernetes pipeline for automating and managing ML models in production.
• Train and deploy TensorFlow ML models across multiple GPUs and machines running in parallel.
• Leverage other AWS managed services to extend an ML application.

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、データサイエンティスト向けで、単にMLモデルの構築だけでなく、MLモデルの作成、追跡、展開プロセスを最適化することを目指しています。

このトレーニングの終了時には、参加者は以下のことができるようになります：

• MLflowと関連するMLライブラリおよびフレームワークをインストールおよび設定する。
• MLモデルの追跡可能性、再現可能性、展開可能性の重要性を理解する。
• 異なるパブリッククラウド、プラットフォーム、またはオンプレミスサーバーにMLモデルをデプロイする。
• プロジェクトで複数のユーザーが協力できるようにML展開プロセスを拡大する。
• 実験、再現、展開のための中央レジストリを設定する。

この講師主導のライブトレーニング（オンラインまたはオンサイト）は、GoogleのML Kitを使用してモバイルデバイス向けに最適化された機械学習モデルを構築したい開発者を対象としています。

このトレーニングの終了時には、参加者は以下のことをできるようになります：

• モバイルアプリケーション向けの機械学習機能を開発するための必要な開発環境を設定します。
• ML Kit APIを使用してAndroidとiOSアプリに新しい機械学習技術を統合します。
• 既存のアプリケーションをML Kit SDKを使用してデバイス上での処理と展開のために強化および最適化します。

Pattern Matching is a technique used to locate specified patterns within an image. It can be used to determine the existence of specified characteristics within a captured image, for example the expected label on a defective product in a factory line or the specified dimensions of a component. It is different from "Pattern Recognition" (which recognizes general patterns based on larger collections of related samples) in that it specifically dictates what we are looking for, then tells us whether the expected pattern exists or not.

Format of the Course

• This course introduces the approaches, technologies and algorithms used in the field of pattern matching as it applies to Machine Vision.

This instructor-led, live training in 日本 (online or onsite) is aimed at data scientists and software engineers who wish to use Random Forest to build machine learning algorithms for large datasets.

By the end of this training, participants will be able to:

• Set up the necessary development environment to start building machine learning models with Random forest.
• Understand the advantages of Random Forest and how to implement it to resolve classification and regression problems.
• Learn how to handle large datasets and interpret multiple decision trees in Random Forest.
• Evaluate and optimize machine learning model performance by tuning the hyperparameters.

This instructor-led, live training in 日本 (online or onsite) is aimed at intermediate-level data analysts who wish to learn how to use RapidMiner to estimate and project values and utilize analytical tools for time series forecasting.

By the end of this training, participants will be able to:

• Learn to apply the CRISP-DM methodology, select appropriate machine learning algorithms, and enhance model construction and performance.
• Use RapidMiner to estimate and project values, and utilize analytical tools for time series forecasting.

RapidMinerは、迅速なアプリケーションのプロトタイピングと開発のためのオープンソースデータサイエンスソフトウェアプラットフォームです。データ準備、機械学習、深層学習、テキストマイニング、予測分析など、統合された環境が含まれています。

このインストラクター主導のライブトレーニングでは、参加者はRapidMiner Studioを用いてデータ準備、機械学習、予測モデルの展開について学びます。

本トレーニング終了時には、参加者は以下ができます：

• RapidMinerのインストールと設定
• RapidMinerでデータを準備し、可視化する
• 機械学習モデルの検証
• データのマッシュアップと予測モデルの作成
• ビジネスプロセス内で予測分析を運用する
• RapidMinerのトラブルシューティングと最適化

対象者

• データサイエンティスト
• エンジニア
• 開発者

コース形式

• 講義とディスカッションの組み合わせ、演習、実践的な練習が含まれています

注意

• このコースのカスタマイズされたトレーニングを依頼する場合は、お問い合わせください。