～ データ分析の各種手法と分析例、ディープラーニングの基礎と学習手法、Ｐｙｔｈｏｎを使ったプログラム例と実行結果 ～
・データ分析や機械学習の各種手法を基礎から修得し、ビッグデータの活用に活かすための講座
・Pythonを使った具体的なデータ分析とＡＩ技術を修得し、多様なビッグデータの分析と活用に活かそう！
・実務において予測精度向上のために使われているアンサンブル（複数手法の組み合わせ）学習についても解説いたします
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
様々な産業の現場で生成されるデータや顧客情報など、多様なビッグデータに対する分類、機械学習などのデータ分析技術とＡＩによる学習の手法について解説し、主な手法についてＰｙｔｈｏｎを使ったプログラム例と実行結果を紹介する。データ分析については、回帰分析、決定木、ランダムフォレスト、ｋ近傍法、ＳＶＣ、主成分分析・対応分析、単純ベイズ分類、クラスター分析、自己組織化マップ、アソシエーション分析、リコメンデーションの各手法を説明する。ＡＩについては、ディープラーニングの仕組み、ニューラルネットワークのチューニング、ＣＮＮ（畳み込みニューラルネットワーク）、ＧＡＮ（敵対的生成ネットワーク）、ＲＮＮ（リカレント・ニューラルネットワーク）を中心にビッグデータをＡＩの学習データとして用いる手法を紹介する。また、実務において予測精度向上のために使われているアンサンブル（複数手法の組み合わせ）学習についても解説する。
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 | ・データ分析、事業企画、マーケティング、ＩＴシステム、ソフト開発の各部門の企画担当者及び技術者 |
| 予備知識 | ・特に必要ありません |
| 修得知識 | ・様々な産業の現場で生成されるデータや顧客情報など、多様なビッグデータに対するＰｙｔｈｏｎを使ったデータ分析とＡＩの応用に必要な基礎知識 |
| プログラム |
１．Pythonの概要 （１）．開発環境 （２）．言語仕様の特徴
２．データ分析の手法と分析例 （１）．教師あり学習と教師無し学習 （２）．回帰分析 ａ．単回帰分析 ｂ．重回帰分析 ｃ．ロジスティック回帰分析 （３）．決定木とランダムフォレスト （４）．記憶ベース推論（k近傍法） （５）．SVM（サポート・ベクター・マシン） （６）．主成分分析と対応分析 （７）．単純ベイズ分類 （８）．階層型クラスター分析 （９）．非階層型クラスター分析 （１０）．SOM（自己組織化マップ） （１１）．アソシエーション分析 （１２）．リコメンデーション
３．ディープラーニング（AI）の基礎と学習手法およびPythonによる実装例 （１）．AIとは （２）．ディープラーニングの仕組み （３）．ニューラルネットワークのチューニング ａ．活性化関数 ｂ．最適化アルゴリズム ｃ．隠れ層の数とニューロン数 ｄ．学習エポックと学習率 ｅ．過学習を避ける正則化 （４）．CNN（畳み込みニューラルネットワーク） （５）．GAN（敵対的生成ネットワーク） （６）．RNN（リカレント・ニューラルネットワーク） ａ．シンプルRNN ｂ．LSTM（長短期記憶） ｃ．GRU（ゲート付リカレント・ユニット）
４．複数の手法を組み合わせたアンサンブル学習 （１）．アンサルブル学習とは （２）．アンサブンル学習の手法
５．ビッグデータ分析の実践のポイント ・分析目的の明確化、分析・学習のチューニングなど実践のポイントを解説 |
| キーワード | ビッグデータ AI データ分析 ディープラーニング 回帰分析 SVM クラスター分析 アソシエーション分析 チューニング クラスタリング アンサンブル学習 過学習 CNN GAN RNN |
| タグ | AI・機械学習、ITサービス |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
