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:807157@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:20210228T180000 DTEND;TZID=Asia/Tokyo:20210228T190000 DTSTAMP:20260423T200753Z CREATED:20210202T012042Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/80715 7?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：https://service.avilen.co.jp/l/843143/2020-03-04/mdtqpt\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\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\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. Python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\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：Pytho n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\n3.5. 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「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、A UC）\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\nDenseNet\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. PyT orch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\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\n5.4. 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\n5.5. 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\n5.6. 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/807157?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR