需要予測・故障検知パック¥162,800(税込)

近頃、FinTechやEdTechなど様々な分野でAIによるデータ分析が取り入れられるようになりました。これは、人間の経験やカンなどに依存しない、より客観性の高い根拠から判断することが可能となるためと言われています。このパッケージでは、時系列解析を通して、需要予測や故障検知など未来のデータを予測するための分析モデルの実装を目指します。

パッケージ内容

はじめてのAI
Grow with Googleの「はじめてのAI」講座では、AI に関わる基本知識だけでなく、事例や具体的に AI がどのような仕組みで動いているかも紹介します。AI の基礎を理解し、AI をどう活用できるかのヒントがつかめるように、本講座で学びます。※2
※こちらの講座はGrow with Googleの講座です。
Grow with Google のコンテンツは、すべて Google により無料で公開されているものです。
機械学習概論
学習の流れやデータの使い方、精度評価の方法などを学べる機械学習の入門講座です。
はじめてのPython
プログラミング言語「Python」の基礎ついて学びます。Pythonは、機械学習やWEBアプリケーションなど多くの用途で使用されているプログラミング言語です。また、図を多く用いて解説を行っておりますので、プログラミングを初めて学ばれる方でも直感的にわかりやすい内容となっております。ぜひ、プログラミングの楽しさ、Pythonの素晴らしさを体感し、いち早くエンジニアとしてスタートを切りましょう。
Python基礎
プログラミング言語「Python」における、複数の値を持つ型、for文、関数、クラスなどについて学習し、はじめてのPythonより発展的な知識を身につけられます。また、図を多く用いて解説を行っておりますので、躓きやすいクラスや関数がわかりやすい内容となっております。ぜひ、プログラミングの楽しさ、Pythonの素晴らしさを体感しましょう。
ライブラリ「NumPy」基礎(数値計算)
「Python」のベクトルや行列計算を高速に行うためのライブラリであり機械学習を扱う際に必須と言っても過言ではない「NumPy(ナンパイ)」の基礎を学ぶ講座です。
ライブラリ「Pandas」基礎(表計算)
「Python」のデータ分析用ライブラリ「Pandas(パンダス)」の基礎を学びます。「Pandas」を用いることで数表や時系列データの計算が楽になり、定量データ解析には必須のライブラリです。
ライブラリ「Matplotlib」基礎(可視化)
「Matplotlib」というライブラリを用いてデータを可視化する方法を学びます。折れ線グラフ、円グラフ、ヒストグラム等の作成から、3Dグラフを作成する方法まで学びます。
機械学習におけるデータ前処理
Pythonで機械学習を行う際に必要となる様々な前処理を学びます。
CSVやExcel、DBからのデータの取得、欠損値への対応方法など、実務で必須となる前処理をスマートに実装するためのライブラリについてコード例を確認しながら習得します。
教師あり学習(回帰)
「教師あり学習」とは、正解ラベル付きのデータセットを使って、機械学習モデルを作る手法です。その中でも、今回は数値予測を行うための「回帰」モデルの扱い方について学びます。
教師あり学習(分類)
教師あり学習(分類)では、画像や文章などをカテゴリ分けする「分類」モデルの手法の紹介やハイパーパラメーターのチューニングなどについて学びます。
教師なし学習
「教師なし学習」とは、正解ラベルが付いていないデータセットを使い、機械学習モデルを作る手法です。今回は、クラスタリングや主成分分析といったアルゴリズムの手法について学びます。
ディープラーニング基礎
深層学習(ディープラーニング)のアルゴリズムの詳細と実装の基礎を学びます。今回はディープラーニングのなかで最も基礎的なアルゴリズムであるDNN(ディープニューラルネットワーク)を用いて手書き文字認識に挑戦します。
データクレンジング
データクレンジングとは、機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処置を行う手法です。CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法などを学習します。
スクレイピング入門
webページから必要な情報を自動で抜き出す作業を、スクレイピングと言います。
このコンテンツでは主にBeautifulSoupを用いたスクレイピングの手法を紹介します。
時系列解析(Ⅰ)(統計学的モデル)
時系列データ解析とは、季節変動や曜日変動など定期的周期を持った時系列データの解析を行うためのアルゴリズムです。
このようなトレンドを除去しながら数値予測を行う手法に挑戦します。
時系列解析(Ⅱ)(RNNとLSTM)
深層学習のネットワークである、RNNとLSTMについて学びます。
深層学習では、時系列データの分析ができませんでした。
このコンテンツでは、なぜ時系列分析ができなかったのか、どのようにして時系列分析ができるようになったのかについて理解を深めていきます。
時系列解析(Ⅲ)(LSTM応用)
時系列を扱う深層学習のネットワークである、LSTMを用いて、売上予測を実装していきます。時系列データの前処理から、ネットワークの構築・予測を学習していきます。

需要予測・故障検知パックをはじめる

まずは、お気軽にお問い合わせください

お電話でもお問い合わせいただけます

03-6868-0998

受付時間:平日10時 - 17時