このオンライン講座について

概要

本講座は「データサイエンス/AI開発マスターコース」の応用編ということで、統計・機械学習・ディープラーニングの基礎を既に身につけた方が、より複雑なビジネス課題や高度な技術領域に挑戦するためのスキルを習得するためのオンライン講座です。

画像やテキストなどの非構造化データの分析手法や、時系列データの扱いなど、より実践的で発展的なトピックについて取り組みます。

Pythonの基礎や機械学習の基礎部分を学び終え、実践で使える応用的なスキルを身につけたいという方にはピッタリの講座です。またデータサイエンスでどのようなことができるのを広く学びたい管理職の方にも向いています。

合計35時間の動画学習と、演習に対して実際にPythonコードを書きながら受講することで、より効果的に学ぶことができます。ぜひ本講座を受講して、ご自身のスキルアップ・キャリアアップに活かしていきましょう！

この講座のゴール

1. 応用力の獲得：基礎を踏まえて、より複雑なデータ分析・モデル開発手法を習得し、実務での高度な課題解決が可能な段階へステップアップすること

2. 多領域への展開：画像解析、時系列分析、異常検知、レコメンデーション、GIS分析、自然言語処理、数理最適化など、幅広い領域で応用できる「汎用スキル」を獲得すること

3. 技術選択と実装スキル強化：PySparkのようなビッグデータツールやLLMなどの最新手法を習得し、現場で必要なツール・手法を選択・実装できる判断力を身につけること

この講座で学べること

時系列分析（統計モデル・機械学習モデル）

・ARIMAなどの統計モデルによる時系列予測
・LSTMなどのRNNベースモデルや機械学習的アプローチによる時系列予測
・異常検知（時系列データ）：波形異常などの検出手法

画像解析（画像分類・物体検出・異常検知）

・CNNベースの画像分類
・Vision Transformerによる画像分類
・AWSによるノーコードの画像分類
・物体検出手法
・異常画像検知の実装と評価

レコメンデーション

さまざまなレコメンデーションシステムの基礎設計と実装
・協調フィルタリング
・コンテンツベースフィルタリング
・アソシエーション分析
・Recboleを使ったレコメンド

自然言語処理と大規模言語モデルLLM

・自然言語処理の基礎
・大規模言語モデルLLMの基礎
・PythonによるLLMの活用

PySparkを使った大規模データ処理

・分散処理フレームワークとは
・Spark DataFrameの使い方
・PySparkによるスケーラブルな分析手法
・MLlibによる機械学習

その他 応用的な分析手法

・因果推論：実務での意思決定に役立つ因果関係の明確化手法
・数理最適化：PuLPによる最適解の計算

こんな人におすすめ

カリキュラム

約40時間のコースです

講師について

講座を購入

限定価格となります。以下の「販売ページはこちら」ボタンをクリックすると、講座の販売ページに遷移します。