COURSE

コースメニュー

DX／データサイエンス実践教育 DX／データサイエンス教育（速習コース）

「DX／データサイエンス実践教育」開催概要

１．研修カリキュラム

• 01

  エントリー講義・ワークショップ

  AI・loTなどテクノロジー進化と社会構造変化/機械学習の全体像

  テクノロジーの概略を理解するとともに将来起こりうる社会構造変化、ビジネス構造の変化、個人に求められるスキル変化等をご受講者自身が考える場を提供する。

• 02

  機械学習アルゴリズム解説・
  分析テクニック演習

  機械学習と機械学習ツール

  簡単なデータセットを対象として、機械学習による予測モデル作成の流れ
  （データ可視化・データ理解・予測モデル作成・予測モデル評価）を体感する。

• 03

  機械学習アルゴリズム解説・
  分析テクニック演習

  クラス分析1

  教師あり学習：クラス分類アルゴリズムの主要アルゴリズムやクラス分類のパフォーマンス指標を理解する。

• 04

  機械学習アルゴリズム解説・
  分析テクニック演習

  クラス分析2/ 回帰1

  クラス分類の各アルゴリズムのメリット・デメリット・特性を講義・演習を通じて理解する。
  教師あり学習：回帰アルゴリズムの線形アルゴリズムとパフォーマンス指標を理解する。

• 05

  機械学習アルゴリズム解説・
  分析テクニック演習

  回帰2

  多重共線性や外れ値が与える影響など回帰で起こりうる問題点と確認手法、クラス分類アルゴリズムの回帰への拡張を理解する。

• 06

  機械学習アルゴリズム解説・
  分析テクニック演習

  変数選択・ハイパーパラメータ最適化

  高次元データの問題点と変数選択手法としてステップワイズ法、正則化回帰を理解する。
  これまで解説してきた各アルゴリズムのハイパーパラメータの復習とグリッドサーチによる最適化を演習を通じて理解する。

• 07

  機械学習アルゴリズム解説・
  分析テクニック演習

  Deep Learningによる画像分類（MNIST）/
  データ分析コンペッション課題説明

  MNIST（0-9の手描数値文字）データセットを対象に、Deep Learningアルゴリズムを用いて分類を行う一連の流れを理解する。データ分析コンペティションKaggleのチュートリアルコンペにご受講者全員がチャレンジする。

• 08

  機械学習アルゴリズム解説・
  分析テクニック演習

  特徴量設計/分析演習

  主要なモデル予測精度向上手法・分析テクニックを演習を通じて理解する。

• 09

  機械学習アルゴリズム解説・
  分析テクニック演習

  データ分析コンペGr発表/教師なし学習（クラスタリング等）

  分析コンペのグループ発表を行い、ご受講者相互に予測モデル作成のコツや特徴量設計のポイントを共有する。
  教師なし学習による知識発見や教師あり学習との違いを演習を通じて理解する。

• 10

  サブエントリー講義

  AI基礎

  AIに関する基礎スキルとして、「弱い AI・強い AI」、「探索・推論・知識表現」、「フレーム問題・シンボルグラウンディング問題」、「 Deep Learningを中心としたAIの発展概況」、「生成系AIとホワイトカラー・クリエイティブ職への影響」等について、講義を通じて理解する。

• 11

  サブエントリー講義

  情報基礎理論・マルチメディア

  情報基礎理論・マルチメディアに関するスキルとして、「デジタル・アナログ変換、情報源符号化」、「データ構造（リスト・配列・木構造）」、「テキスト処理・音声処理・画像処理」等について、講義を通じて理解する。

• 12

  サブエントリー講義

  データベース

  データベースに関するスキルとして、「マスタテーブルとトランザクションテーブル」、「データベース操作言語SQL・SQLクエリの例」、「データ処理基盤：データ処理パイプライン・データレイク・DWH」について、講義を通じて理解する。

２．本研修が育成を目指す人材イメージ

• 01

  企業内・組織内のDX推進担当者として、機械学習の実践的なスキルを武器に、データ利活用によるビジネス改革を推進する人材。

• 02

  自身の顧客、或いは企業内関連部門からの、「データ利活用」「AI導入」に関する相談に対して、要件実現の可否判断、当該要件実現に向けての適切なプロセス提案を実施する人材。

• 03

  社内外・組織内外の高度データサイエンティストと的確な意思疎通を行い、スキルセットの異なるエンドユーザ・ＩＴエンジニア等との「橋渡し役」として、DXプロジェクトの全体マネージメントを担当する人材。

３．本研修により獲得を目指すスキル

• 01

  機械学習ツールを使用した、ノーコードアプローチによるデータ分析、モデル開発スキル

  データ分析の一連のプロセスを正しく理解し、データ可視化、データ前処理、モデル作成、精度検証の実践スキルを修得して頂きます。

• 02

  データサイエンス・機械学習を活用したビジネス課題解決スキル

  ビジネスのAs Is、或いは課題について、データに基づき論理的に正しく説明・評価するスキルと、それをベースラインとして更に、運用要件、性能要件等に対する制約条件を正しく提示し、現実的な解決モデルを提案するスキルを修得して頂きます。

４．本研修の修了認定基準について

• 01

  出席率80%以上

  80%以上を満たした上で、1日未満の一部欠席・離席ありの場合は、欠席・離席した講義部分の動画視聴
  または、欠席・離席した講義部分の個別演習フォローアップ参加が条件。

• 02

  グループワーク演習課題の発表資料、発表内容、質疑応答への対応等総合的に審査。

  グループメンバー全員が発表者、質疑応答者のどちらかの役割を担う事とし、全員の理解度・達成度を審査。

※上記①②の条件を満たした受講者の方を修了認定し、後日デジタル修了証を発行させて頂きます。

５．その他

特に業務等でお忙しい受講生様向けに、受講しやすい環境及びサポート体制を敷いております。

• 01

  Zoom（Teams)及びメタバースPlatformを活用した、オンライン開催が中心であり、受講者様はどの拠点からでも参加可能です。
  ※メタバースPlatformはWindows10以降、メモリ8GB以上等、VRゴーグル不要等一般的なPC環境で利用可能。

• 02

  受講者様向けに講義動画を限定公開し、業務都合による一時欠席・離席が発生した際に、自己学習・復習等が可能となっています。

• 03

  受講者の希望日程に合わせた個別演習フォローアップ対応しており、業務都合による一時欠席・離席が発生した場合のマンツーマン補講が可能となっています。