機械学習研修
データの前処理、計算ロジックやモデルの設定、Pythonライブラリを使った人工知能の実装・評価、チューニングまでを一人でできるようになります。
研修後の活用例
需要予測
過去のデータから将来発生しそうな出来事について予測（売上/在庫/株価/生涯価値/不動産価格等）
異常検知
IoT等のデータから抽出した特徴量から構造を学習し異常や故障を検知（電気/気温/モーター動作等）
分類・推薦
抽出した特徴量から学習し、自動分類や推薦（顧客クラスタリング、画像分類、商品レコメンド等）
機械学習研修カリキュラム（16時間Ver.）
機教師あり学習
- 分類・回帰のアルゴリズムの学習とモデルの評価
教師なし学習
- クラスタリングや主成分分析の実行方法
データ前処理
- アルゴリズム投入前に必要なデータの前処理
次元削減
- 前処理済みデータから特徴量を絞り込む方法
ビジネス実務応用
- モデルのチューニング/不均衡データ対応/モデルの解釈性
最終開発課題：予測モデルの開発
研修を通して予測モデルの開発を実施します。最終日は修了試験以外にこの開発の精度を競うコンペを行います。
ディープラーニング研修
ディープラーニングの原理から実装・チューニングまで実務で使うために必要なすべての工程を体系的に学べます。
日本ディープラーニング協会（JDLA）「E資格」にも準拠しています。
研修後の活用例
手書き文字・数字の
画像分類やタグ付け
数字・文字判別の自動化による業務効率化・省力化
製品・建築物
X線画像の異常検知
自動化による技術者の習熟度・質のバラつきの解消
チャットボット
対話システムの開発
24時間対応による顧客満足度向上・離反防止
ディープラーニング研修カリキュラム（20時間Ver.）
ニューラルネットワークの概念
- ニューラルネットワークの仕組みと構造
正規化と確率的勾配降下法
- 誤差逆伝播法とその他微分アルゴリズム/過学習と対処法
CNNの理論と実装
- 画像処理の基礎と実装方法
RNNの理論と実装
- 時系列処理の基礎と実装方法
生成モデル
- VAEとGAN、DCGAN
強化学習と深層強化学習
- 強化学習の基礎と実装方法/最近の流行り
ビジネス活用
- 開発環境やビジネスでの活用方
受講生が演習として画像認識を実施
講座修了後、成果物として画像認識など受講生が作成。
例：天気予測、Twitterからある病気の予測、論文実装
生データ分析プロジェクト（OJT形式）
1チーム5名ほどのプロジェクトチームを作り、実際の生データを分析して頂きます。講師がPMとしてプロジェクトに参画し、実際のプロジェクトの進め方を肌感覚として実感して頂き、実務へダイレクトに直結するノウハウを養うことが見込めます。
講師は週1回4～8時間×5日間の約1か月間をPMとして担当します。
※データ提供者との要件定義などに参画いただくことも可能です。
研修で得られるもの
実課題への思考法
「まず何から考えれば良いのか」「分析でつまづいた時どうすれば良いのか」といった本や講義だけでは分からないノウハウを習得できます。
AIプロジェクトの進め方
分析力も然ることながら、PMがいかにコミュニケーションを取って、分析の成功に向けた円滑なチームづくりを行うか実際に体感して頂きます。
実務経験/自信
どれだけ理論を学んでも、実務の経験が無ければ、すぐ実務での活躍は難しいもの。
この研修を通して即戦力レベルまで一気に引き上げます。
【実践型研修】生データ分析プロジェクト例（各プロジェクト…約1か月）
深層学習による植物の環境応答特性部分の可視化
- 某府立大学よりデータを受託
深層学習による薬剤の発達神経毒性の推定
- 某研究機関よりデータを受託
テレビ放映映像と分析用映像の時間的同期
- 某スポーツ団体よりデータを受託
ビニールハウス内の作物自動栽培
- 某農業系団体よりデータを受託
スイング修正支援
- 某プロアスリートと共同で実施
【実施内容】某プロジェクトの実施例
- 提携先からの課題のヒアリング（要件定義）
- AI部分、アプリケーション全体の設計
- 分析、開発 (AI部分のPDCA)
- プロジェクト進行管理
- クライアントへの開発物の提供（アプリケーション化）
講師側でデータ提携先との話し合いや見学の場を儲け、講師の補助のもと、受講生主導で上記の作業を実施。
実際の開発の設計~納品に相当する部分を実務として経験。
セミナー事例（鳥取県）
中村 俊輔
奈良先端科学技術大学院博士前期課程修了。
学生時代からデータサイエンティストとして株式会社マクロミルで勤務
新卒で楽天株式会社のビッグデータ処理アプリケーション開発担当。
40以上のプロジェクトのコンサルタント、開発者、
プロジェクトリーダーとして携わりながら80人以上のデータサイエンティスト育成～稼働までサポート。
- 機械学習が流行っている時代背景
- 機械学習が流行っている時代背景
- 機械学習のクイックインストール
- 機械学習で解く問題、データの種類
- ディープラーニング
- AI開発とクラウドAIの違い
- Cloud, 学習済みモデル、State-of-the-Art
- ハンズオン: クラウドAIを使ってみよう (画像, 音声)
- AIプロジェクトの進行方向
- ハンズオン: 学習済みモデルで推論してみよう (画像)
- 開発課題: 画像の異常検知モデルを開発してみよう