Aidemy Plemium Plan
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 |
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。
© Aidemy Inc. All Rights Reserved.