技術者のためのデータ分析と予測モデルの構築および実務上の実践ポイント <オンラインセミナー>
~ データハンドリングと前処理の実践、機械学習による予測モデルの構築、業務プロセスの可視化、AIが真に価値を発揮するポイントの見つけ方 ~
・変化の速いAI時代のシステム開発において、データ分析の全体像を理解し、的確な判断を下すための実践ポイントを学び、実務に活かすための講座
・AIを活用したシステムやサービス、製品開発を進めるために考えるべきポイントと注意点を実践的に修得し、流行に惑わされない、本質を捉えたシステム開発に応用しよう!
オンラインセミナーの詳細はこちら:
・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。
講師の言葉
AI技術を実務に応用する際、多くの人が「どの手法を使うか」という枝葉から考えがちです。しかし、本当に重要なのは「そもそもAIで何をすべきか、何ができるのか」という幹を理解することです。
本講座では、ビジネスデータ分析の全体像の理解から始め、Pythonによる機械学習のプロセスを辿ることで、技術の全体像を明らかにします。私が伝えたいのは、この全体像の理解こそが、変化の速いAI時代のシステム開発においても的確な判断を下すための揺るぎない土台になるという事実です。
流行に惑わされずに、AIの技術や本質を改めて一緒に考えましょう!
セミナー詳細
| 開催日時 |
- 2026年01月29日(木) 10:00 ~ 17:00
|
| 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 |
・システム、ソフト、データ分析関連部門の技術者の方
・AIを利用、活用、推進した業務効率化やDXを進めなければならない立場にあるが、何から始めたら良いかわからない方
・機械学習を中心としたPythonによるデータ分析をこれから始める方
・その他、AI領域に関する興味や関心をお持ちの方
・「AIとは何か?」「DXとは何か?」という問いに対する具体的な答えをまだ持っていない方 |
| 予備知識 |
・必要な予備知識は特にありませんが、「AIとは何か?」「DXとは何か?」という問いに対しての能動性や思考体力
・「自分で考えて手を動かして答えを得ようとする主体性」があることが望ましいです |
| 修得知識 |
・Pythonを用いて機械学習モデルを構築するまでの流れが理解できるようになる
・AIを活用した業務効率化やDXを進めるためにまず考えるべきポイントと注意点
・AIを活用したシステムやサービス、製品開発を進めるためにまず考えるべきポイントと注意点
・これまでのAIの歴史と特徴、現代のAIとの違いが説明できるようになる
|
| プログラム |
1.データ分析と機械学習の全体像とPython
(1).機械学習概論
a.機械学習とは何か?-データ、計算能力、アルゴリズム
b.機械学習の本質とパターン認識:「データからパターンを学ぶ」という発想
c.予測・分類モデルの強みと弱み(データへの依存性、説明性など)
d.生成AIとの対比:「予測するAI」から「生成するAI」へ
(2).Pythonによるデータ分析環境
a.実行環境としてのGoogle Colaboratory
b.データ処理の基盤となるライブラリ
c.機械学習モデル構築のためのライブラリ
2.データハンドリングと前処理の実践
(1).Pandasによるデータの読み込みと「はじめの一歩」
a.CSVファイルの読み込みと基本情報の確認
b.データの可視化による特徴の把握
(2).機械学習のためのデータ前処理
a.データクレンジング(欠損値・外れ値の対処法)
b.特徴量エンジニアリングの初歩(モデルの精度を上げる工夫)
3.機械学習による予測モデルの構築
(1).Scikit-learnによるモデル構築の基本
a.モデルを「学習」させることの意味
b.学習データとテストデータの分割
(2).ビジネスで多用される基本モデル
a.回帰モデル:売上や需要の数値を予測する
b.分類モデル:顧客の離反などを予測する
(3).モデルの精度評価
a.予測結果の評価方法と考え方
4.ビジネス活用と実践のポイントと注意点
(1).最も重要な最初のステップ:現状の業務理解
a.業務整理:AI導入の前に、まず業務プロセスを可視化する
b.課題抽出:どこに課題や非効率が潜んでいるかを見極める
(2).AIが真に価値を発揮するポイントの見つけ方
a.AIによるDXの種類と対象領域
b.AIの得意・不得意を理解する
c.AIを活用したソフトウェア/ビジネスモデルの特徴
d.AIを使うべき業務改善/使うべきでない業務改善
(3).モデルの分析結果をどう解釈し、アクションに繋げるか
(4).AIプロジェクトを失敗させないための注意点
(5).質疑応答・まとめ
|
| キーワード |
機械学習 ライブラリ モデル構築 データハンドリング 前処理 Pandas データクレンジング 欠損値 外れ値 特徴量エンジニアリング Scikit-learn 回帰モデル 分類モデル
|
| タグ |
AI・機械学習、データ解析、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。
|