『データ前処理と画像認識の演習』

不可欠なスキル、データ前処理と特徴量エンジニアリング

+画像認識のCNNモデルをPythonで動かそう!


本講座では、データ活用技術を実世界のタスクに応用する力を養います。

前半の演習では、売上予測モデルの構築を通じて、機械学習とデータ分析プロジェクトの成功の鍵を握る「データ前加工」「特徴量エンジニアリング」の大切さを体感していただきます。その中でデータサイエンティストが重宝するPandasやScikit-learnなどのライブラリの使用、Pythonのコーディングに慣れていきます。

後半では、ディープラーニング技術を活用できるようになります。画像認識の最強のモデルである畳み込みニューラルネットワーク(CNN)を6万枚のファッションアイテムの画像データで訓練し、識別モデルを構築します。ニューラルネットワークの開発環境を自ら立ち上げ、たっぷり手を動かすことで、データ活用への意欲とアイデアが湧くこと間違いなしです。

こんな人におすすめ

◆現場で使えるデータ分析と機械学習の技術がほしい方
◆Scikit-learnやPandasなどのライブラリを使いこなしたい方
◆深層学習のフレームワークを使いこなしたい方
◆分析官やAIエンジニアとしてキャリアアップに有利な技術を身につけたい方
◆機械学習の仕組みを体感することによって、最先端の技術を正しく解釈したい方

内容


  • 売上予測①データの理解・特徴量作り・モデル構築
  • 売上予測②モデルの評価と改善
  • CNNで画像認識を実践

概要

講義時間
約2時間

教材内容
講義動画
演習用ソースコード類
演習用データ
Python用の環境(Anaconda Navigator)セットアップマニュアル
深層学習の開発環境(Google Colaboratory)セットアップマニュアル

視聴期限
お申込日より3か月

受講者の声


H.T様

受講時期:2022年12月

職業:消費者調査のマーケティングリサーチ・データ分析


ヤン先生の機械学習の講義は、説明が丁寧でとても分かりやすいです。機械学習の初学者にもおススメの講義と思います。とくに決定木の解説は「決定木がどのような仕組みで決められているのか」を、資料を交えながら、分かりやすく丁寧に解説されているので、決定木の理解に役立ち勉強になりました。

先生は「機械学習などの概念を、人に分かりやすく説明をする」という観点を大切にされているので、話の進め方なども、業務上のプレゼンテーションの参考になります。機械学習に必要なPythonコードも、基本から決定木などの応用まで、実践的にすぐに使えるように解説されています。

先生の講義をとても楽しく受講させていただきました。


料金