BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【オンライン】0から学ぶ！未経験のためのAI エンジニア基礎講座セット【E資格対応】 X-WR-CALNAME:【オンライン】0から学ぶ！未経験のためのAI エンジニア基礎講座セット【E資格対応】 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:785076@techplay.jp SUMMARY:【オンライン】0から学ぶ！未経験のためのAIエン ジニア基礎講座セット【E資格対応】 DTSTART;TZID=Asia/Tokyo:20200731T190000 DTEND;TZID=Asia/Tokyo:20200731T200000 DTSTAMP:20260423T201052Z CREATED:20200702T023118Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/78507 6?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nお申し込み フォーム\nこちらからお申し込みください。（イベン ト参加ボタンからはお申し込みできません）\n入金確 認後、1〜2日中に受講案内メールをお送りいたします 。\n※資料や動画の視聴期限は1年です。\n※講義動画 はオンライン講義用に最適化されています\n※銀行振 込・クレジットカード払い（Paypal）に対応しています 。\n概要\n「E資格」合格率 94.4% を誇る、AVILENの「全人 類がわかるE資格コース」の基礎講座が、オンライン上 でまとめて受講できるようになりました！\n各講座ご とに単品で申し込むのに比べ、セットなら５万円以上 お得！\n・AIエンジニアを目指している\n・Pythonや数学 、機械学習などの広い分野の基礎知識を、0から一度に 学びたい\n・いつでもどこでも受講したい（オンライ ン）\nそんなあなたにオススメです！\n↓セットに含ま れる講座概要（詳細は本ページ最下部）\n\nE資格とは\n 日本ディープラーニング協会（JDLA）が認定する、AIエ ンジニアの登竜門的資格。\n開始から2年で受験者数が3 倍近く増加するなど、注目を集めています！\nE資格取 得のプロセス\n\n\n数学、Python、統計学、機械学習など の分野の基礎を身につける。\n→本講座セットはこの 段階\n\n\nJDLA認定プログラム※のいずれか受講・修了し 、E資格の受験資格を得る。\n\n\n2年以内にE資格を受験 ・取得する。\n\n\n※中でも、AVILENの「全人類がわかるE 資格コース」は、【合格率94.4%】を達成しています！\n 「基礎講座セット」と「E資格コース」を合わせて申し 込みたい場合には、こちらのフォームよりお進みくだ さい。\nご受講に必要なもの\n\npdfの資料を閲覧するた めのデバイス（ノートPC、タブレットなど）\nインター ネット環境、ブラウザ（Google Chrome推奨）\nPython3をイン ストールしたPC\nルートの計算ができるデバイス（ノー トPC、スマホ、電卓など）\n筆記用具（演習問題がござ います）\n\n領収書をご希望の方へ\n【Paypalの方】\n決 済処理後にPaypalから送付されるメール内容、またはPayp alの取引履歴から該当項目を確認の上、「詳細」をご 覧ください。それらが領収書の代わりとなります。ま た、クレジットカード会社発行の利用明細書も領収書 としてご利用いただけます。\n【上記以外で領収書発 行をご希望の方】\nご入金後、本ページ右上の「イベ ントに関するお問い合わせ」より、下記情報をお送り ください。\n領収書を発行出来次第、メールにてご連 絡差し上げます。\n・宛名\n・ご担当者名（必要であれ ば）\n・件名（希望なければ「セミナー受講料」、別 途細目は記載あり）\n・その他(ご質問やご要望など)\n\ nお問い合わせ\n\nLINE公式アカウントからもお問い合わ せいただけます。（推奨）\n※日曜日は定休のため、 いただいたお問い合わせについては月曜以降のご対応 となります。\n\n注意事項\n\n講座内で扱うコンテンツ は全て「株式会社AVILEN」に帰属しています。複製はご 遠慮ください。\n個人ブログへの講義コンテンツの掲 載はご遠慮ください。\nキャンセルの場合は、講座利 用開始前までに限り、手数料１０％を差し引いた額を ご返金いたします。それ以降は返金には応じ兼ねます のでご了承ください。\n\nAVILEN AI Trend （旧：全人類が わかる統計学）とは\n株式会社AVILENが運営する「AI特化 型メディア」です。\nAIに関する最新ニュースや各種イ ンタビュー・コラムに加え、「全人類がわかる統計学 」の頃から進化を遂げた、各種無料学習コンテンツを 配信しています。ぜひご覧ください！\n\n各講座詳細\n1 . 機械学習のための数学マスターコース\n1.1. 関数・数 列\n目的：関数・数列を習得する。\n\n関数とは\n関数 の基本性質\n１変数関数\n多変数関数\n添え字付きの数 （数列）\nΣ演算\n\n1.2. 微分\n目的：微分を習得する。\ n\n微分とは\n関数の増減\n1変数関数の微分\n合成関数の 微分と連鎖律\n多変数関数の偏微分\n勾配法・最急勾配 法\n\n1.3. 線形代数基礎\n目的：線形代数の基礎を習得 する。\n\n線形代数の説明\nスカラー、ベクトル、行列\ n行列の演算\n行列の割り算(逆行列)\n単位行列\n行列の サイズについて\n\n1.4. 線形代数中級\n目的：線形代数 の基礎から発展した内容を習得する。\n\n基礎の復習\n ノルム\n主成分分析\n固有値問題\n特異値分解\n\n1.5. 情 報理論\n目的：情報理論を習得する。\n\n確率変数\n期 待値・分散・共分散\n周辺確率\n条件付き確率と独立\n ベイズ則\n情報量\nシャノンエントロピー\nKLダイバー ジェンス\n\n2. 統計学マスターコース\n2.1. 統計学超入 門\n目的：統計学を学ぶ上での必須知識を習得する。\n \nデータの基礎知識\n質的データと量的データ\n4つの尺 度\n母集団と標本\n標本調査\n実験の基本的な考え方\n 実験研究のデザイン\nフィッシャーの三原則\n無作為抽 出\n1〜2変数のデータの集計\n度数分布表、ヒストグラ ム、累積度数\nクロス集計表\n1〜2変数のグラフの見方 ・読み方\n棒グラフ、積み上げ棒グラフ、円グラフ、 複合グラフ\nレーダーチャート、バブルチャート\nロウ ソク足\n散布図（相関図）\n総和記号シグマΣ\nデータ の代表値とその利用法\n平均・中央値・最頻値\nそれぞ れの使い方、メリット・デメリット\n量的変数の散ら ばりの指標\nデータの範囲、四分位範囲、箱ひげ図\n平 均からの偏差・分散、標準偏差、変動係数\n共分散、 相関係数\n場合の数・順列\n確率の基礎\n試行と事象と 確率\n積事象、和事象、余事象、排反事象\n条件付き確 率の基礎\n確率の解釈\n\n2.2. 統計学入門①\n目的：統計 学の基礎的な知識を習得する。\n\n平均、分散、標準偏 差\n変動係数、中央値、最頻値\n四分位数、範囲、四分 位範囲、箱ひげ図\n共分散、相関係数\n記述統計から推 測統計へ\n試行と事象\n確率・確率変数・変数の種類\n 期待値\n標本と分散\n\n2.3. 統計学入門②\n目的：統計学 の基礎的な知識を習得する。\n\n確率分布\n確率関数・ 密度関数\n連続型（正規分布、指数分布、一様分布）\n 離散型（ベルヌーイ分布、二項分布、ポアソン分布、 幾何分布、マルチヌーイ分布）\n中心極限定理\n二変量 正規分布\nベイズの定理\n条件付き確率\nベイズの定理 の考え方\n\n3. 機械学習のためのPythonマスターコース\n3 .1. Python入門\n目的：Pythonの特徴をしっかりと理解し、 基本操作を習得する。\n\nPythonの環境構築\n変数と型\n 演算\n関数\nif文\nfor文\nCSVファイルの入出力\n​\n\n3.2. P ython中級\n目的：Pythonの基本操作への理解を深める。\n\ n多重ループ\n再帰関数\n組み込み関数\n標準ライブラリ \n​\n\n3.3. Numpy入門\n目的：Pythonで数値計算を効率的に 行うためのライブラリ「numpy」を習得する。\n\nArrayの 宣言\nArrayとリストの変換\n要素の参照\nNumpyの演算\nNump yの実用\n​\n\n3.4. データ分析可視化入門\n目的：Python でグラフ描画を行うライブラリ「matplotlib」「seaborn」 を習得する。\n\n折れ線グラフとグラフのカスタマイズ \n散布図とヒストグラム\n複数の図をプロット\n様々な グラフの紹介\nインタラクティブなグラフを作る\nseabor nでデータ同士の相関を見る\n特徴量ごとに色分けして データをプロット\n分析の結果の可視化\n​\n\n3.5. デー タ分析入門\n目的：Pythonでデータ分析に欠かせないラ イブラリ「pandas」を習得する。\n\nデータフレームとは \nファイルの入出力\nデータを見る\nデータの統計量を 計算する\nデータの抽出\nデータの整形\n​\n\n4. 機械学 習マスターコース\n4.1. 機械学習概論\n目的：機械学習 を行うにあたっての必須知識・流れを習得する。\n\n機 械学習の流れ\nアルゴリズムの選択について\n評価指標 （分類・回帰）\n検証方法\n機械学習実践（分類・回帰 ）\n\nモデリング\n検証\n\n\n\n4.2. 機械学習概論補足\n目 的：機械学習概論から発展した知識を習得する。\n\n学 習アルゴリズム\nハイパーパラメーター最適化\n次元の 呪い\n\n4.3. 機械学習アルゴリズム概論\n目的：機械学 習の有名なアルゴリズムについて理論から実装までを 学ぶ。\n\nロジスティック回帰\nSVM（サポートベクター マシーン）\n\nハードマージン\nソフトマージン\nν-SVM\n \n\nk近傍法\nk-means\n\n4.4. 実用テーブルデータ処理：分 類編\n目的：Pythonでデータの前処理から予測まで一連 の流れを行うことで実用的に処理する方法を習得する 。\n\nデータ基礎集計\nデータ前処理\n\nデータの次元削 減（t-SNE）\n学習データと検証データの分割\n\n\nモデル 構築、学習（ランダムフォレスト、XGBoost）\nモデル評 価（混同行列、ROC曲線、AUC）\n特徴量エンジニアリン グ\nハイパーパラメータ調整（グリッドサーチ）\n​\n\ n4.5. 実用テーブルデータ処理：回帰編\n目的：Pythonで データの前処理から予測まで一連の流れを行うことで 実用的に処理する方法を習得する。\n\nデータの基礎集 計\nデータ前処理\n\n欠損値処理\n質的変数の数値化\n学 習データと検証データの分割\n\n\nモデル構築、学習（ ランダムフォレスト、ブースティング）\nモデル評価 （混同行列）\nハイパーパラメータ調整（グリッドサ ーチ）\n\n5. ディープラーニングマスターコース\n5.1. Py Torch入門\n目的：機械学習を実装するにあたって人気な ライブラリ「PyTorch」を習得する。\n\nPyTorchの特徴や他 フレームワークとの比較\nモデルの定義・レイヤーに ついて\n自動微分\n関数とレイヤー\n学習イテレーショ ンの書き方\nGPUの利用やその他のテクニック\n\n5.2. CNN 入門\n目的：画像認識などでよく使用される「CNN」を 習得する。\n\nCNNの概要、応用例\nConvolution(畳み込み)と は何か\n畳み込み層\nプーリング層\nPytorchによる実装\n 実装したモデルの学習\n\n5.3. RNN・LSTM入門\n目的：時系 列データ処理・自然言語処理などでよく使用される「R NN・LSTM」を習得する。\n\n系列データ\nRNNの概要・応用 例\nSimpleRNN\nLSTM\nPyTorchによる実装\nRNNの発展\n\n5.4. Seq2se qによる機械翻訳\n目的：RNNの中でも機会対話や機械翻 訳によく使用される「seq2seq」を習得する。\n\nseq2seqと は？\n応用事例紹介\n系列を扱う手法\nエンコーダとデ コーダ\nLSTMについて\n前処理(単語分割・語彙構築)\nエ ンコーダの実装\nデコーダの実装\nbeam-search\n学習と推 論\nまとめ\n派生モデルの紹介\nattention・多層化など\n 参考書籍・論文紹介\n\n5.5. PyTorchによる強化学習\n目的 ：AlphaGoなどで有名な「強化学習」を習得する。\n\n強 化学習とは\n強化学習の目的\nマルコフ決定過程\n動的 計画法\nモデルフリーな価値関数推定\nモデルフリーな 制御・方策改善\n価値ベースの方策改善\n方策ベースの 方策改善\n\n LOCATION:オンライン URL:https://techplay.jp/event/785076?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR