概要 |
- AIプロジェクトに関わる可能性がある人の為のAIビジネス活用基礎講座
- AIをビジネスに利活用する上で必要となる基本知識を有し、 様々なAI導入事例をケーススタディとして把握しているレベルを目指します。
- AIを活用した事業やプロジェクトを行うために必要なものや推進方法を技術概要や活用事例を通して学びます。
- 社内外の課題に対して、AIが活用可能か適しているかの判断基準を学ぶことができます。
|
対象者 |
- DXを推進するIT部門チームのメンバー
- 今後AIを用いたシステム開発を予定されている方
- ITシステムの開発経験をお持ちの方
|
時間 |
18時間 |
カリキュラム |
プログラミングのためのAI・機械学習と開発環境の構築
- AIと機械学習の仕組み
- AIエンジニアに必要なスキルとAIプロジェクトの進め方
- PythonのインストールとAI開発向け初期設定
- 機械学習ライブラリのインストールとAI開発向け初期設定
- Google Colaboratoryの導入
機械学習モデル(ニューラルネットワーク)の実装
- Pythonを使ったAIプログラミングの基礎文法
- 学習用データの読み込み・編集
- ニューラルネットワークの実装
- 実装したニューラルネットワークを用いてAIを動かす
クレジットカード審査のできるAIのプログラミング
- Pythonを使ったAIプログラミング
- 学習用データの前処理と正規化
- 機械学習ライブラリを利用したAIの実装
- 実装したAIモデルの可視化
- 実装したAIの精度評価、精度を上げるためのパラメータ調整
AIの応用知識と実装
- ディープラーニング用ライブラリ「Keras(Tensorflow)」の使い方
- センサーデータを利用した行動解析
- 活性化関数の種類と記述方法
- バッチ処理の仕組みと使い方
- 損失関数の設定方法
- 勾配降下法とバックプロバケーションによる機械学習
- 入力層のノード数の増やし方
- Keras(Tensorflow)を使ったディープラーニングの方法
- 自然言語処理を使った社内文書の活用手法
- 言語処理におけるデータの前処理
- クラスタリングモデル(k-means)
- 「OpenCV」を用いた画像の前処理手法
- CNN(畳み込みニューラルネットワーク)を利用した画像・音声認識
- 畳み込み層とプーリング層
- 「Keras(Tensorflow)」を使ったCNNの構築方法
- 「Keras(Tensorflow)」の初期設定値と様々な最適化パラメータの設定方法
- 重みの初期値や重みの更新手法
- ハイパーパラメーターの最適化方法
AIの発展知識と実装1
- 画像認識の学習済みアーキテクチャの種類と特徴
- 画像処理AI
- 転移学習
- 精度の高い画像認識モデルの作成手法
- ファインチューニングの手法
- データオーグメンテーション
- 時系列データの活用・処理方法
AIの発展知識と実装2
- RNNモデルとLSTMの仕組み
- LSTMモデルの構築方法
- 各種データ(数値、画像、音響データ)の取り扱い
- 数値データの前処理手法
- 画像データの前処理手法
- 音響データの前処理手法
|
オプション |
-
|
講座開催費 |
140,800円(税込)/名 |
オプション料 |
-
|