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:813441@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:20210430T180000 DTEND;TZID=Asia/Tokyo:20210430T190000 DTSTAMP:20260423T183702Z CREATED:20210401T025138Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/81344 1?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。※講 義動画はオンライン講義用に最適化されています※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直近の「E資格」合格者数No.1&合格率93.6%  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・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・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。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数学、Python、統計学、機械学習などの分野 の基礎を身につける。→本講座セットはこの段階\n\n\nJ DLA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。\n2年以内にE資格を受験・取得する。 \n\n※中でも、AVILENの「全人類がわかるE資格コース」 は、【合格者数No.1&合格率93.6%】を達成しています！「 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】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】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。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\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：P ython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\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\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「n umpy」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\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\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\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\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. 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\n CNN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「RNN・LSTM」を習 得する。\n\n系列データ\nRNNの概要・応用例\nSimpleRNN\nLST M\nPyTorchによる実装\nRNN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\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/813441?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR