~実践的なスキルを身につけ、これからの社会で活躍できるAI人材に~

※お申込受付は終了しました。

港区産業を支える柱のひとつである情報通信業にとって、AI人材の育成は重要な課題となっております。また、経済産業省によると2030年にはAI人材は12.4万人不足すると言われており、AI人材はますます重要視されると予測されます。

港区立産業振興センターにはコワーキングスペース・ビジネスサポートファクトリーを備えており、コワーキングスペース内におけるAI専門書籍等の設置や、ビジネスサポートファクトリー内における機械学習用ワークステーションの設置(今後予定)など、AI人材の育成や開発環境の整備に力を入れております。

その一環として、プログラミング知識がない方でもAIスキル・データサイエンススキルが獲得できる「ハイレベルAIエンジニア育成講座」を開講します。

ABOUT

安心のサポートにより、プログラミング知識のない方でも、スキルの習得が可能

インプットとアウトプットを繰り返し、着実に知識・スキルの定着を実現

AI開発の最前線で活躍するスペシャリストが講師を担当

全5講座・8ヶ月の受講によって
AI・ディープラーニングの理論を理解し、
E資格(*)の受験挑戦レベルに到達することができます。

*E資格とは、JDLAが主催するAI・ディープラーニングに精通するエンジニアのスキルを認定するための資格です。
資格を取得することで、AI人材としてのスキルを証明することができるため、社内外での高い評価を得ることが可能です。

プログラム提供会社

スキルアップAI株式会社

企業向けのAI研修でトップレベルの実績を有し、AI人材育成のための教育事業やAIに関わるコンサルティング、システム開発・運用やAI人材の採用支援サービスを提供しています。

所在地
東京都千代田区神田三崎町3丁目3−20
代表者
代表取締役
田原 眞一 (たはら しんいち)
資本金
300万円
設立
2018年5月1日

PROGRAM

機械学習のためのPython入門講座 E-Learning

機械学習の実装に必要なPythonスキルを短期間で習得

機械学習実装のデファクトスタンダードであるPython。
本講座では、Pythonプログラミング未経験レベルから、scikit-learnを用いた機械学習モデル構築ができるレベルまでのスキルを習得します。

想定視聴時間: 8h

※オンラインの講座時間は、想定期間内で必要な動画視聴時間です(倍速再生も可能)。

講座のゴール

  • ・機械学習に必要な実技力を完全にマスターする
  • ・徹底的なハンズオンで「Python力」が身につく
  • ・データ可視化、前処理、モデル構築スキルを習得する

カリキュラムを見る

  • 文法基礎

    実行環境の準備、機械学習に必要なPython基礎文法

  • データ整形① – 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

  • データ整形② – Pandas

    Pandasを用いて表形式のデータ構造を操作しよう

  • 可視化① – 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

  • 可視化② – Seaborn

    Seabornを用いた多様な可視化

  • 前処理

    データの前処理(欠損値処理・不要データの削除など)

  • 機械学習モデルの構築

    scikit-learnを用いた機械学習モデルの構築・評価方法

機械学習・ディープラーニングのための基礎数学講座 E-Learning

高校数学から機械学習に必要な基礎レベルまでをカバー

本講座では、機械学習に必要な数学に絞り、短期間で高校数学レベルから機械学習が数理的に理解できるレベルまでをカバーしています。

想定視聴時間: 15h

※オンラインの講座時間は、想定期間内で必要な動画視聴時間です(倍速再生も可能)。

講座のゴール

  • ・自力で機械学習の技術書を読み進められる
  • ・機械学習モデルのチューニング方針を立てることができる
  • ・機械学習モデルを理論的に説明することができる

カリキュラムを見る

  • 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

  • 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)

  • 確率分布

    離散型確率分布(離散一様分布・ベルヌーイ分布・二項分布・ポアソン分布)
    連続型確率分布(連続一様分布・正規分布・指数分布)

  • 微分基礎

    合成関数、合成関数の計算グラフ表現と順伝播計算、積・商・合成関数の微分

  • 線形代数基礎

    偏微分、行列・ベクトル、固有値・固有ベクトル

  • 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

現場で使える機械学習・データ分析基礎講座 E-Learning

機械学習実装の流れやアルゴリズムをハンズオンで習得

実際のデータを元にポートフォリオを作成する実践的内容となっています。さらに、限られた時間での学習効果を最大化するため、ブレンド型学習メソッドも取り入れています。

想定視聴時間: 12h

※オンラインの講座時間は、想定期間内で必要な動画視聴時間です(倍速再生も可能)。

講座のゴール

  • ・機械学習実装の主要工程をハンズオンで理解する
  • ・主要なMLアルゴリズムを数理的に理解する
  • ・E資格の機械学習出題分野を得点源にする

カリキュラムを見る

  • 機械学習概論

    人工知能とは、機械学習とは、
    機械学習アルゴリズムの実装とワークフロー、
    機械学習アルゴリズム概観

  • 教師あり学習の基礎

    線形回帰、ロジスティック回帰、多変量モデル

  • モデルの評価指標

    MAE・MSE・RMSE、精度・適合率・再現率・F1-score

  • モデルの検証・正則化

    訓練誤差と汎化誤差、過学習、正則化(L2/L1)、
    ホールドアウト法・交差検証法

  • 前処理

    正規化・標準化、無相関化・白色化

  • 教師あり学習の発展的トピック

    サポートベクターマシン

  • 教師あり学習の発展的トピック

    木モデル、ニューラルネットワーク、
    深層学習、k-最近傍法

  • 教師なし学習

    クラスタリング、特徴抽出・次元削減

  • モデルの改善

    ハイパーパラメータ最適化

ディープラーニング基礎講座 E-Learning 対面講座

高い合格率を誇るE資格対応のJDLA認定講座

本講座ではディープラーニングの基礎・原理をプログラミングレベルで理解するとともに、グループワーク・ハンズオンを通して、資格取得に留まらない実務レベルでのディープラーニング実装スキルを身に付けます。

想定視聴時間: 16h

※オンラインの講座時間は、想定期間内で必要な動画視聴時間です(倍速再生も可能)。

講座のゴール

  • ・プログラミングレベルでDLアルゴリズムを実装できる
  • ・最新のDL注目技術の概要と使い方を習得する
  • ・E資格合格に必要なスキルを体系的に習得する

カリキュラムを見る

  • ディープラーニング゙基礎

  • 学習の最適化

  • ディープラーニングの様々なモデル

  • 畳み込みニューラルネットワーク

  • その他話題

  • CNNの様々なモデル

  • 自己符号化器

  • 生成モデル

  • 機械学習で扱うデータと典型的なタスク

  • 再帰型ニューラルネットワーク

  • 自然言語処理における深層学習

  • 強化学習

  • 転移学習

  • 軽量化技術

  • 高速化技術

※ディープラーニング基礎講座では、4日間の対面講義を行います。

下記の内容を実施予定です。
1. eラーニングの予習動画の深堀およびポイント解説
2. 受講者同士のディスカッション
3. 各受講者の課題の発表
4. 講師からのフィードバック、質疑応答

会場はページ下部を御覧ください。

■ 開催日程

ディープラーニング最新論文講座 E-Learning

最新のディープラーニング技術を最速キャッチアップ

近年の機械学習エンジニアには、日々進化しているディープラーニングの最先端をキャッチアップできる能力も求められます。本講座を通して、最先端ディープラーニング技術を効率的に理解しましょう。

想定視聴時間: 4h

※オンラインの講座時間は、想定期間内で必要な動画視聴時間です(倍速再生も可能)。

講座のゴール

  • ・ディープラーニングに関する最新の研究動向を把握する
  • ・最新論文を自力で読み解くスキルを身につける
  • ・E資格に出題される最新研究の内容を理解する

カリキュラムを見る

  • Deep Residual Learning for Image Recognition

    モダンなCNNの主要技術であるResNetの原論文

  • Lqueeze-and-Excitation Networks

    ResNetと並んでCNNの汎化性能の基本技術になりうるSE moduleの原論文

  • U-Net: Convolutional Networks for Biomedical Image Segmentation

    医療分野で活躍するCNNであり、少数データからセグメンテーションを可能とする

  • MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

    組み込み向けCNNの構成技術であり、スマホ等で使われている

  • Visualizing and Understanding Convolutional Networks

    なぜCNNが画像認識をうまくできるのか?という問題の解析手法

  • Memory Networks

    LSTM以上の長期記憶を実現した質疑応答用DNN

  • End-To-End Memory Networks

    全体をBPで学習可+多層化したMemory Networks。Attention機構の再発見という意味で重要な論文

PROCESS

わからない点については、1000項目以上あるFAQ・いつでも質問可能な
チャットサポートで解決できます。

PROCESS

※オンライン講座の視聴期間は提供開始日より1年間となります。
※対面講座は、講師のほかにTA(ティーチングアシスタント)も参加します。

TARGET

対象者

企業・個人

※勤務先の事業所・住所について、港区内外は問いません。港区外の方も申込みいただけます。

また、以下の項目全てに該当している方
①機械学習・AIのスキル習得に意欲的に取り組めること
②対面講座含む全プログラムに参加可能であること
③対面講座においてノートPC等を持参できること

受講料

66,000円(税込み)

※1名あたりの金額です。受講開始前にお支払いいただきます。
※受講開始後の返金は受け付けません。

定員

30名※先着順

※企業のお申込みの場合、1社あたり5名まで参加可能です。

募集期間

2022年6月23日(木)~2022年7月24日(日)

※お申込受付は終了しました。

お支払い方法

銀行振込(参加者決定通知のメールにて振込先をお知らせします)

受講にあたって

・事前にPCの動作環境を満たすかご確認ください。

【PCの動作環境】
MacOSX 10.9以上
Windows 8以上 (64bit必須)
メモリ8GB以上必須

※8GB未満でも受講して頂くことは可能ですが、大容量のデータを扱うため、より高スペックなPCの利用を推奨しています。
メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。

・本講座では、MinicondaまたはAnacondaをインストールしていただきます。また、pipというライブラリ管理ソフトを使って、Pythonライブラリをインストールしていただきます。これらのインストール作業を行えるパソコン環境をご準備ください。特に、社用のパソコンなどでアクセス制限のあるインターネット回線をご利用の方は、インストール作業を問題なく行えることを事前にご確認ください。ご不明な点がございましたら、事前にご連絡ください。

・対面講座ではご自身のPCをお持ちください。(会場での貸出は行っておりません)

・講座で使用する資料はGoogleドライブを通じてご提供いたします。また、課題の提出のためにGoogleアカウントが必要となりますので、アカウントをご用意ください。

対面講座会場

外観イメージ

アクセスマップ

港区立産業振興センター 研修室1

〒108-0014 東京都港区芝5丁目36番4号
机の辻スクエア10F

<交通アクセス>
JR田町駅三田口(西口)から徒歩4分
都営三田線三田駅A3出口から徒歩4分またはA4出口から徒歩3分

港区立産業振興センターとは

産業振興センターは「企業・人・地域の力」を一つに結び付け、
最新の情報や技術を提供する「未来発展型の産業振興拠点」となる施設です。
交流・連携によるオープンイノベーションを促進する"コワーキングスペース"、
3Dプリンターなどのクリエイティブ機器を揃えた"ビジネスサポートファクトリー"、
交流会やイベントで利用できる"貸しホール等"を提供しております。

APPLICATION

※お申込受付は終了しました。

【注意事項】

・本講座は、適切なソーシャルディスタンスを取り、マスク着用や手消毒等のコロナ感染の予防対策を徹底して実施します。
・新型コロナウイルスの感染拡大の状況次第で、対面講座内容に変更を加えてオンラインでの実施に切り替えることがあります。
・この講座では、対面講座の場合写真の撮影を行う可能性がございます。撮影した写真や映像等は、広報用にHPやSNS、刊行物等に掲載することがあります。