ハイレベルAIエンジニア育成講座2026

• 1日目：実行環境の整備・Python基礎文法①

  実行環境の準備／機械学習に必要なPython基礎文法（変数・データの型・制御文 if, for, while）／演習

• 2日目：Python基礎文法②

  機械学習に必要なPython基礎文法（関数・クラス）／演習

• 3日目：データの整理 – Numpy

  外部ライブラリの使い方／Numpyを用いて配列を高速に処理しよう／演習

• 4日目：データの整理 – Pandas

  Pandasを用いて表形式のデータ構造を操作しよう／演習

• 5日目：データの可視化 – Matplotlib

  Matplotlibの基礎事項／Matplotlibを用いた多様な可視化と可視化の考え方／演習

• 6日目：データの可視化 – Seaborn

  Seabornを用いた多様な可視化／Seabornの強み／可視化 総合演習

• 7日目：データの前処理

  Titanicデータの確認／データの可視化と前処理の方針決定／前処理の実施／前処理を施したデータの保存

• 8日目：機械学習モデルの構築と評価

  機械学習の概要／学習データの分割／モデルの構築／モデルの検証

※ PCの動作環境：MacOSX 10.9 以上、Windows 8 以上（64bit 必須）、メモリ8GB以上

• 記述統計学の基礎

  基本統計量（平均・分散・共分散など）／データの要約・可視化／修了演習（前処理技術：正規化と標準化、箱ひげ図を用いた外れ値検出）

• 確率

  確率の基礎／条件付き確率／ベイズの定理（事前確率・事後確率・ベイズ更新）／修了演習（ナイーブベイズによるスパムメール判定）

• 確率分布

  離散型確率分布（離散一様・ベルヌーイ・二項・ポアソン）／連続型確率分布（連続一様・正規・指数）／修了演習（ロジスティック回帰）

• 微分基礎

  合成関数（計算グラフ表現と順伝播計算）／積・商・合成関数の微分／修了演習（シグモイド関数の計算グラフと逆伝播計算）

• 線形代数基礎

  偏微分／行列・ベクトル／固有値・固有ベクトル／修了演習（固有値分解）

• 微分・線形代数の機械学習/深層学習への応用

  ベクトルによる関数の微分／勾配降下法／修了演習（最小二乗法、誤差逆伝播法＆勾配法による重み更新）

※ 前提知識：Pythonの基本文法、ならびに高校数学レベル（微分・統計）の理解を前提としています。

• 第0章：生成AI時代の機械学習とは

• 第1章：機械学習概論

  人工知能と機械学習／回帰と分類／機械学習モデルの構築・運用の流れ／機械学習手法の種類

• 第2章：教師あり学習の基礎

  線形回帰モデル／ロジスティック回帰モデル／決定木

• 第3章：アンサンブル学習

  ランダムフォレスト／勾配ブースティング

• 第4章：モデルの評価指標

  回帰問題の評価指標／分類問題の評価指標／訓練誤差と汎化誤差／汎化誤差の推定／過学習と未学習／正則化

• 第5章：前処理とモデル構築

  外れ値・異常値処理／カテゴリ変数の変換／0-1正規化と標準化／無相関化と白色化／モデルのチューニング／ハイパーパラメータ探索／欠損値処理

• 第6章：教師なし学習

  クラスタリング／異常検知

※ 上記カリキュラムは予定であり、変更となる可能性があります。