Aidemy Plemium Plan

E資格対策 + AIマーケティング講座シラバス

番号        単元/章 内容と到達目標  目安時間            難易度(1~3)
 1  Python 入門  【内容】
機械学習でもっとも使われるプログラミング言語「Python」の基礎
【到達目標】
文字の出力、変数の概要条件分岐、ループなど「Python」の基本的な使い方の習得
 7.0時間

 1

 

 2 機械学習概論   【内容】
機械学習の基本や精度評価の方法について
【到達目標】
初歩的な機械学習のアルゴリズムの習得
 4.5時間  1
 3  Pandas   【内容】
「Python」のデータ分析用ライブラリ「Pandas(パンダス)」の基礎
【到達目標】
「Pandas」を用いた数表や時系列データの計算の習得
 5.5時間   1
 4  Matplotlib   【内容】
matplotlibを用いたデータを可視化する方法
【到達目標】
折れ線グラフ、円グラフ、ヒストグラム等や3Dグラフを作成の習得
 7.0時間   1
 5  基礎数学   【内容】
機械学習理論の基礎となる数学を学習する
【到達目標】
主に線形代数学について、基本的な内容を理解できる
 5.0時間   1
 6 応用数学    【内容】
機械学習理論の基礎となる数学を学習する
【到達目標】
主に確率・統計理論について、発展的な内容も含めて理解できる
 5.0時間   2
 7 Numpy    【内容】
「Python」のベクトルや行列計算を高速に行うためのライブラリ「NumPy(ナンパイ)」の基礎
【到達目標】
「NumPy」を用いた効率的な科学技術計算の習得
 4.5時間    1 
 8  教師あり学習(回帰)  【内容】
正解ラベル付きのデータセットを使って機械学習モデルを作る手法について
【到達目標】
数値予測などを行う「回帰」モデルの扱い方を習得
 4.0時間    2 
 9  教師あり学習(分類)   【内容】
正解ラベル付きのデータセットを使って機械学習モデルを作る手法について
【到達目標】
画像や文章などをカテゴリ分けする「分類」モデルの扱い方を習得
 6.0時間 
 10  教師なし学習  【内容】
正解ラベルが付いていないデータセットを使って機械学習モデルを作る手法
【到達目標】
クラスタリングや主成分分析といったアルゴリズムの手法の習得 
 5.5時間   2
 11  サブノート   【内容】
JDLAのE資格試験において、アイデミーの基本的な機械学習講義で足りない部分を補強的に学習する
【到達目標】
機械学習に対する、理論的な理解を深める
 8.0時間   2
 12   ディープラーニング基礎   【内容】
深層学習(ディープラーニング)のアルゴリズムの詳細と実装について
【到達目標】
DNNを用いて手書き文字認識に挑戦
 6.0時間   1
 13   順伝播型ネットワーク   【内容】
深層学習の理論面について解説
【到達目標】
深層学習の基本的な原理を理解できる
 5.0時間    3
 14  生成モデル  【内容】
GAN・VAEなどの生成モデルについて、原理も含めて解説する
【到達目標】
生成モデルについて、原理と基本的な実装方法について理解できる
 5.0時間   2
 15  深層モデルのための最適化   【内容】
深層学習モデルの最適化手法を解説する
【到達目標】
深層学習モデルの最適化を、理論面・実装面共に理解できる
 5.0時間   3
 16   深層モデルのための正則化  【内容】
深層学習モデルの正則化手法を解説する
【到達目標】
深層学習モデルの正則化を、理論面・実装面共に理解できる
 5.0時間   3
 17  CNNを使った画像認識   【内容】
CNNの実装を概観
【到達目標】
CNNを用いて手書き文字認識や一般物体認識に挑戦し、精度向上のテクニックや転移学習の実装の習得
 6.0時間   3
 18  畳み込み
ニューラルネットワーク
  【内容】
JDLAのE資格試験において、アイデミーの基本的なCNNに関する講義で足りない部分を補強的に学習する
【到達目標】
CNNに対する、理論的な理解を深める
 6.0時間   3
 19  RNN   【内容】
RNNについて、基本的な事項を実装とともに解説し、応用例に触れる
【到達目標】
RNNについての概要を理解できる
 7.0時間   3
 20 強化学習    【内容】
強化学習について、基本的な事項を実装とともに解説し、応用例に触れる
【到達目標】
強化学習についての概要を理解できる
 7.0時間   3
 21  修了テスト   【内容】
これまでの学習内容の理解度を確認する総括テスト
【到達目標】
E資格試験の合格力を身につける
 2.0時間   3
 22 AIマーケター育成講座1-2    【内容】
「AIをマーケティングに活用するノウハウ」がわかる入門講座
【到達目標】
マーケティング業務とAIができることを具体的に関連付けて情報を整理し、
「AIマーケター」へとステップアップするための知識の習得
 4.0時間   1
 23  オープンイノベーション実践のためのAIリテラシー講座   【内容】
電通・BASE Qによるオープンイノベーション実践のためのAIリテラシー講座
【到達目標】
新規事業開発においてAIを活かすためのAIについての知識の習得
 4.5時間   1
 24  ビジネス数学   【内容】
実際のビジネスで役立つ数学的手法について
【到達目標】
ビジネスで、数学を実践的に扱えるようにする
 4.0時間    1
 25  データサイエンティスト超入門   【内容】
データ分析で実現できることから分析手順について
【到達目標】
データサイエンティストになるために必要なものを理解する
 4.0時間    1
 26 AIマーケター育成講座3-7   【内容】
「AIをマーケティングに活用するノウハウ」がわかる入門講座
【到達目標】
マーケティング業務とAIができることを具体的に関連付けて情報を整理し、
「AIマーケター」へとステップアップするための知識の習得
 4.0時間  1
 27  データクレンジング   【内容】
機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処置を行う
【到達目標】
CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法の習得
 5.5時間  1 
 28  機械学習におけるデータ前処理   【内容】
Pythonで機械学習を行う際に必要となる様々な前処理について
【到達目標】
実務で必須となる前処理をスマートに実装するためのライブラリについてコード例を習得する
 7.0時間  1
 29 自然言語処理    【内容】
自然言語処理の方法について
【到達目標】
文章を数値に変換する手法を学び、教師あり学習(分類)を使ってカテゴリ分類に挑戦
 6.5時間  2
 30  日本語テキストのトピック抽出   【内容】
自然言語処理とネットワーク分析により、日本語テキストからトピック(話題)を抽出し特性を把握する方法について
【到達目標】
テキストを定量的に解析し、大量の文書を効率よく正確に把握することに役立たせ、
新たな知識の発見や戦略の意思決定をできるようにする
 6.5時間  2
 31  時系列解析Ⅱ(RNNとLSTM)   【内容】
深層学習のネットワークである、RNNとLSTMについて
【到達目標】
深層学習では、なぜ時系列分析ができなかったのか、どのようにして時系列分析ができるようになったのかについて理解する
 6.0時間  3
 32 時系列解析Ⅲ(LSTM応用)    【内容】
時系列データの前処理から、ネットワークの構築・予測
【到達目標】
時系列を扱う深層学習のネットワークである、LSTMを用いた売上予測を実装の習得
 5.0時間  3
 33 自然言語処理を用いた質問応答    【内容】
ニューラルネットワークモデルを用いた自然言語処理における、前処理、具体的手法を、質問応答システムを作成しながら説明
【到達目標】
実際に実装できるようにする
 6.5時間  3
 34 成果物作成    【内容】
学習した内容を踏まえて技術ブログを作成する
【到達目標】
自身のポートフォリオとして活用できるブログを作成し、その過程で学習内容の振り返りを行う
 30.0時間  3

 

トライアル受講で
E資格対策講座の魅力を知ってください

Aidemyのプログラムは安心の全額返金保証付き。
受講後ご満足いただかなければ、受講後2週間以内のお申し出で全額返金いたします。

また、未経験から短期間で機械学習・ディープラーニング・データ分析・AIアプリ開発まで最先端技術を幅広く学ぶことができる
Aidemy Premium Planもご用意しております。無料オンライン相談会でご相談ください。