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:804253@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:20210131T180000 DTEND;TZID=Asia/Tokyo:20210131T190000 DTSTAMP:20260423T213556Z CREATED:20210105T024708Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/80425 3?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nお申し込み フォーム（※このページのイベント参加ボタンからは お申し込みできません）\nこちらからお申し込みくだ さい。\n入金確認後、1〜2営業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、オンライン上で受講できるようになりました！\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\nJD LA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Paypal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AVILEN 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\n 1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. 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/804253?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR