受講対象 ・データ分析をビジネスにつなげたい方 ・機械学習技術の仕組みを知りたい方（数式は特に使用致しません） 予備知識 特になし 習得知識 １）データ分析プロジェクトの進め方の習得 ２）機械学習技術の基礎知識および構築方法の習得 ３）機械学習技術のビジネス実務で活用するコツ 講師の言葉 最近、データ分析や機械学習技術を用いたビジネス改善や効率化を図りたいという企業が増えています。 多くの企業が、優秀なデータ分析人材の獲得やハイスペックなデータ分析環境を整備することで、 本格的にそれらの実現に向けて取り組みを始めたという記事をよく見るようになってきました。 その一方で聞こえてくるのが、データ分析プロジェクトがうまく進んでいないという悩みの声です。 どうしてこのようなことが起こるのでしょうか？データ分析の現場では、機械学習や統計学、 コンピュータ・エンジニアリングの知識だけではなく、自社またはクライアント企業のビジネス課題を 論理的に整理して、問題解決プロセスを設計する事が重要だからです。 この講座では上記の問題点を解決するためによく用いられる、データ分析プロジェクトを進める際の 代表的なフレームワークを紹介するだけでなく、データ分析組織やAIプロジェクトが陥りやすい問題点 についても解説します。 また、現在の人工知能技術の中心である機械学習の仕組みと限界についても触れながら、企業内の データ分析で確実に成果を上げるコツをお伝えしていきます。
プログラム
1.AIと機械学習の基礎概念
・人工知能とは
・機械学習の仕組み
・ディープラーニングの衝撃
2.データ活用のフレームワーク
・PPDACサイクル
・データ分析やAIプロジェクトが陥りやすい問題点とその対策
・PPDACサイクルに基づく分析プロジェクトの評価
3.AI活用上の注意点
・ビジネス活用に立ちはだかる壁 ・プロジェクトの選び方
4.機械学習入門
・機械学習の種類
・過学習
・機械学習の評価方法
5.ニューラルネットワーク入門
・ニューラルネットワークとは
・線形分離と線形非分離
・ニューラルネットワークの仕組み
・層を積む意味とは
・多層ニューラルネットワーク
6.質疑応答
講師紹介
大学院在学中は音声認識の研究に従事し、機械学習技術を用いた発音判定方法について論文を発表する。
その後、情報系専門学校の教員として「統計学」「信号処理」「人工知能基礎」「機械学習」などの科目を
新規開発し、 多くの学生や教職員から好評を得る。
また、人工知能ゼミを主催し学生の機械学習システム制作を指導、企業向け展示会や学内行事などで展示発表も行う。
ブレインパッド入社後は、データサイエンスの人材育成・研修等を精力的に行っている。
