第5期 社会人向けデータサイエンス
＆AI人材育成プログラム

データサイエンスPJの進め方１

この講座では、ビジネスにおいて、データサイエンス、特にAI、機械学習を使うプロジェクトをスムーズに進めるために必要な前提知識、機械学習特有のプロジェクトの流れ、問題、成功させるためのプロセスを理解していきます。具体的には、 先端のAI技術について紹介していくことで、ビジネスにおいてイノベーションを起こすプロジェクトを見抜く眼力と鼻を養なっていきます。具体的には、講座内において、ビジネス展開を想定した仮想的なAIプロジェクト企画の要求仕様の作成を行います。また、それに基づく見積もりを作成します。チームに別れてグループワークで仕様の議論を行ない、課題点を明確にします。 最後にクラス全体でチーム検討結果を共有し、AI企画、見積もりの課題点を浮き彫りにし、具体的なAI技術を想定した、AIプロジェクト企画の要求仕様の作成や、それに基づく見積もりの作成を体験することにより、ビジネスにおいて、データサイエンス、特にAI、機械学習を使うプロジェクトの具体的な進め方を理解していきます。

データサイエンスPJの進め方２

この講座では、ビジネスにおいて、データサイエンス、特にAI、機械学習を使うプロジェクトをスムーズに進めるために必要な前提知識、機械学習特有のプロジェクトの流れ、問題、成功させるためのプロセスを理解していきます。具体的には、 先端のAI技術について紹介していくことで、ビジネスにおいてイノベーションを起こすプロジェクトを見抜く眼力と鼻を養なっていきます。具体的には、講座内において、ビジネス展開を想定した仮想的なAIプロジェクト企画の要求仕様の作成を行います。また、それに基づく見積もりを作成します。チームに別れてグループワークで仕様の議論を行ない、課題点を明確にします。 最後にクラス全体でチーム検討結果を共有し、AI企画、見積もりの課題点を浮き彫りにし、具体的なAI技術を想定した、AIプロジェクト企画の要求仕様の作成や、それに基づく見積もりの作成を体験することにより、ビジネスにおいて、データサイエンス、特にAI、機械学習を使うプロジェクトの具体的な進め方を理解していきます。

Python講座2

データ分析で大事なことは「データとの対話」です。データと対話するには、データを集計したり可視化したりすることが必要になります。この講義の前半はデータの集計と可視化のテクニックを学びます。後半はグループに分かれてデータ集計と可視化を使ったショートプロジェクトを行います。

ビジネス発想とデータ

データとビジネス

データは、データそのものに意味があるのではなく、ビジネスを遂行していくために活用するものです。ここでは、そもそもどうビジネスプランを描くのか、そしてそこにどうデータを活用していくのか、を考えていきます。

機械学習のアルゴリズムの考え方ー機械学習の数理的背景を理解しよう

機械学習の最も基本的な考え方を、分かりやすい例題とを用いて解説します。
機械学習の基礎である「特徴設計▶類似度関数設計▶データ正規化▶パラメータ最適化▶学習アルゴリズム適用▶結果分析」の基本サイクルを実践することで、概念として機械学習の手法を学びます。

Python講座3

実世界のデータ分析業務では、決してデータ分析に適したデータばかりではありません。そのため、データ分析に使うにはクレンジングが必要になります。この講義では、実践で役立つデータクレジングのテクニック（欠損値の処理、時間型の扱い方、文字列の処理）を学びます。最後に、データクレンジングからデータ集計・可視化まで行うショートプロジェクトを行います。

Python実習フォローアップ

フォローアップ

機械学習、全部見せます 1

機械学習が実現できる機能として、分類・クラスタリング・回帰・次元削減が挙げられます。これらの概要を眺めながら、回帰、および分類(決定木、サポートベクターマシン、ナイーブベイズ、アンサンブル学習、ニューラルネットワーク)の各機能についてハンズオン形式で学びます。

機械学習、全部見せます 2

9週目に引き続き、機械学習が実現できる機能として、クラスタリング、次元削減の各機能についてハンズオン形式で学びます。具体的には階層型クラスタリング、非階層型クラスタリング、主成分分析について示します。

機械学習実習

ここではディープラーニングの一つ、畳み込みニューラルネットワークを学び、画像認識のサンプルプログラムを動かすことを試みます。また、そのサンプルプログラムを応用することで様々なアプリケーションへ展開する方法について実習を通して学びます。