E資格対策 + データ分析講座シラバス

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	2
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	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
23	データハンドリング	【内容】 Pythonを用いて大量のデータを取り扱う際に必要な基礎知識【到達目標】テキストや.csvを始めとするビジネスデータの収集・加工・結合・マスター化等を通じて「意味あるデータ」に整形する技能の習得	5.5時間	1
24	時系列分析	【内容】季節変動や曜日変動など定期的周期を持った時系列データの解析を行うためのアルゴリズムについて【到達目標】トレンドを除去しながら数値予測を行う手法に習熟し、時系列分析を実装する技術を身に付ける	7.5時間	2
25	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の使い方を習得する	7.0時間	2
26	株価予測	【内容】自然言語処理と時系列分析を用いて、株価の予測を行う【到達目標】複数の情報をかけ合わせて1つの予測値を導出する方法を習得する	6.0時間	3
27	タイタニック号	【内容】 1912年に発生したタイタニック号沈没事故のデータを用い、生存率の予測を行う【到達目標】学習したデータ分析の技術について復習し、Kaggleでも通用するデータ分析能力を身につける	5.0時間	3
28	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

メニュー

サービス

運営会社

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