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:834142@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:20211031T200000 DTEND;TZID=Asia/Tokyo:20211031T210000 DTSTAMP:20260424T043548Z CREATED:20211006T062449Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/83414 2?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」2期連続 合格者数No.1・ 合格率85.7% 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 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\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。\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、【2期連続 合格者数No.1・合格率85.7%】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【P aypal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お問い合わせフォームより お問い合わせください。\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AVIL EN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\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\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 「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\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/834142?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR