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:794765@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:20201031T180000 DTEND;TZID=Asia/Tokyo:20201031T190000 DTSTAMP:20260407T203228Z CREATED:20200930T064709Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/79476 5?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\n株式会社AVILENとは\n株式会社A VILENは「テクノロジーをより多くの人に」というミッ ションを掲げAI領域に特化したビシネスを展開してい ます。社員のほとんどがデータサイエンティストで組 織され、ディープラーニングを用いた、アルゴリズム の開発や、データ活用コンサルティングを行っていま す。また、AI活用の現場で得た知見を、AI人材育成事業 やAIメディア事業（AVILEN AI Trend）で世の中に広げる活 動をしています。\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\n 1.4. 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\n 2.3. 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. Python中級\n目的：Pyth on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\n3.3. Pythonクラス \n目的：Pythonのクラスについての理解を深める\n\n導入\ nクラスとインスタンス\n\nインスタンス変数とインス タンスメソッド\n特殊なインスタンスメソッド\nインス タンスの使い方と外部ファイル\n\n\n継承\n\nオーバーラ イド\n特殊なインスタンスメソッド2\n​\n\n\n\n3.4. 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\nNumpyの実用\n​\n\n 3.5. 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\nseaborn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\n3.6. 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「pand as」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. 深層 学習手法俯瞰\n目的：深層学習の有名な手法について 学ぶ\n\nはじめに\n画像処理分野\n\n画像認識\n\nResNet\nDen seNet\n\n\n物体検出\n\nFaster R-CNN\n\n\n画像生成\n\nセグメン テーション\n\n\n\n\n自然言語処理分野\n\nword2vec\nseq2seq\n 自然言語処理モデル紹介\n\n\n強化学習\n\nQ学習\nQ学習 の工夫\nApe-X\n\n\n\n5.2. PyTorch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\n5.3. 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\nC onvolution(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\n5.4. RNN・LS TM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「RNN・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\nR NNの発展\n\n5.5. Seq2seq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\n beam-search\n学習と推論\nまとめ\n派生モデルの紹介\nattent ion・多層化など\n参考書籍・論文紹介\n\n5.6. 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 LOCATION:オンライン URL:https://techplay.jp/event/794765?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR