Now Loading...

Now Loading...

[go: up one dir, main page]
More Web Proxy on the site http://driver.im/
  • 構成

    ビデオ教材、教材用スライド、演習問題

    全てオンラインで完結

  • 時間・修了要件

    ビデオ教材受講、演習課題の修了含めて、60~100時間程度
    全ステップの課題クリアで修了証・修了者ナンバーを発行可能

    「機械学習」「ディープラーニング」ともに全ステップ全ての課題修了で修了証を発行。補足教材「E資格パッケージ」は一定の受講要件を満たすと修了。

  • 価格

    1IDあたり(通常版)165,000円(税込)/(サポートなし)110,000円(税込み)

    10ID以上でボリュームディスカウント適用となります。ご希望の場合はお問い合わせください。

  • 受講期間

    プログラム提供開始後〜2月末もしくは8月末

    通常、4月〜8月末までもしくは10月〜翌年2月末までのご提供になります。(最長5ヶ月)

  • リスキル講座

    「JDLA「E資格」向け認定プログラム」は、「リスキル講座認定」を受けています。 「リスキル講座(第四次産業革命スキル習得講座)認定制度」は、IT・データを中心とした将来の成長が強く見込まれ、雇用創出に貢献する分野において、社会人が高度な専門性を身に付けてキャリアアップを図る、専門的・実践的な教育訓練講座を経済産業大臣が認定する制度です。

  • JDLA認定プログラム

    当講座は、JDLAが実施するエンジニア資格(「E資格」=JDLA Deep Learning for ENGINEER)の受験資格を得るために修了が必須となる「JDLA認定プログラム」です。当講座に含まれる「機械学習」(東北大学大学院岡谷貴之先生監修)、「ディープラーニング」(東京大学大学院松尾豊先生監修)を修了していただき、最後に補足説明と練習問題集からなる「E資格パッケージ」を修了していただくと、「E資格」の受験が可能となります。 なお、E資格を短期間で合格することを目指す個人の方向けに、上記の3つのコースからE資格シラバスにてカバーされる範囲のみをピックアップした「E資格認定プログラムスピードパッケージ」を期間限定で提供しています。

プロダクション

履修要件

  • 微分積分、確率統計、線形代数の基礎知識が必須(大学理系合格レベル)

  • Pythonのプログラミングの基礎知識必須

到達目標

  • 機械学習、ディープラーニング についての基礎知識を理解し、その活用の具体策を社内で検討することができる

  • プログラミング言語(Python)を用いた機械学習、ディープラーニングの実践スキルを身につける。

  • ライブラリ(PyTorch/Tensorflow)を用いて、ディープラーニングの実装ができる。

  • AI分野の最新動向や技術進歩に対して、それを理解・活用する基盤知識・スキルを身につける。

  • AIを用いてビッグデータをどう活用できるのか、理解・実践することができる。

  • *弊社では各回のプログラム終了後、受講生アンケートを定期的に実施しています。最新のアンケート結果はこちらをご覧ください。

コースの特徴

  • 信頼のクオリティ

    東北大学大学院・岡谷貴之先生(「機械学習」)、東京大学大学院・松尾豊先生(「ディープラーニング 」)の監修にて、カリキュラム構成や内容など、安心して学習していただけます。

  • 高い網羅性

    JDLA「E資格」受験のためのシラバスを網羅していることはもちろん、監修の指導のもと、機械学習、ディープラーニングの基礎と実践について、幅広く学ぶことができる内容になっています。

  • 先端的なコース設計

    米国発「インストラクショナルデザイン」など最先端の教育手法を教材開発に活用。LMSと演習システムをシームレスに連携し、レベルや理解度に合わせて、知識習得〜実践スキル取得までを可能にしています。

  • オンデマンド

    単元ごとに分かれた動画教材(平均5分/本)をステップごとに収録。全200以上の動画教材に受講開始初日からアクセスし、自身のペースで学習・復習していただくことが可能です。

  • バリアフリー

    全ての動画教材が日本語字幕付きでオン・オフ自由。聴覚障がい者の方でも受講可能なバリアフリー性を確保しているほか、静かな環境でのリモート学習にも最適です。また、字幕をクリックするだけで、ストーリーの中で確認したい動画の箇所に、いつでも戻ること/進むことが可能です。

  • 実践的なクラウド演習

    自社開発のクラウド型演習システムで、プログラミング演習も全てオンラインで実行可能。Python、PyTorch、Tensorflowなどの自社PCへのインストール&バージョン管理も不要です。

  • 修了証の発行

    それぞれのコース修了要件を満たすと、修了証が発行されます。法人での修了証明としてご活用いただけるほか、「機械学習」「ディープラーニング」「E資格パッケージ」の修了でJDLA「E資格」受験が可能です。

  • 自主学習に最適

    受講履歴画面より、ご自身の進捗状況をいつでも確認可能。自主学習のためのペース配分などに便利です。

  • 管理画面で進捗確認(法人のみ)

    法人管理者は、自社の受講生それぞれの進捗を一覧で確認できる、「管理」機能をご利用いただけます(法人契約はお問い合わせ下さい)。

受講生の声

  • 機械学習やディープラーニングなどのこれまでの根底を変える技術をリカレント教育によって社会実装をするために学び、基礎となる回帰からパターンを増やしつつ反復しながら学習できたのは、理解の促進につながり良かったです。

    製造業勤務(開発)

    JDLA「E資格」取得

  • 内容がわかりやすく説明されて、また、演習で実際に行うことで実感として体感することができた。 マネジメントの立場でもテクノロジーの理解は重要であり、大変よい勉強の機会となりました。

    商社勤務(マネージャー)

    JDLA「E資格」取得

  • とても力がつきました。例えばLeNetなど有名なネットワークについての説明は通常の参考書でもさらっとしか触れられないため、このコースが大変わかりやすい上に知識が増えとても感謝しております。ありがとうございました。

    IT企業勤務(SE)

    JDLA「E資格」取得

コースシラバス(機械学習)

Step1 イントロダクション

  • Section1. コース概要
  • Section2. 機械学習の種類
  • Section3. 線形代数
  • Section4. 確率
  • Section5.情報理論
  • Section6. Python
  • Section7. Step1 修了課題

Step2 回帰

  • Section1. 回帰
  • Section2. 回帰問題
  • Section3. 線形回帰モデルの学習
  • Section4. 実践に向けて
  • Section5. Step2 修了課題

Step3 分類

  • Section1. 分類問題とは
  • Section2. ロジスティック回帰とは
  • Section3. 実践に向けて
  • Section4. Step3 修了課題

Step4 ニューラルネットワーク

  • Section1. ニューラルネットワーク
  • Section2. なぜ隠れ層が必要なのか
  • Section3. ニューラルネットワークの学習
  • Section4. Step4 修了課題

Step5 機械学習モデルの実践に向けて

  • Section1. 実用上の問題と考えられる原因
  • Section2. オーバーフィッティング対策
  • Section3. モデルの選択
  • Section4. データの前処理
  • Section5. 巨大なデータを集める前に
  • Section6. Step5 修了課題

Step6 サポートベクトルマシン

  • Section1. サポートベクトルマシンとは
  • Section2. カーネル法
  • Section3. サポートベクトルマシンの実践
  • Section4. k近傍法
  • Section5. Step6 修了課題

Step7 教師なし学習

  • Section1. 教師なし学習とは
  • Section2. k-meansクラスタリング
  • Section3. 主成分分析
  • Section4. その他の教師なし学習
  • Section5. Step7 修了課題

Step8 ディープラーニング

  • Section1. ディープラーニングの基礎
  • Section2. ディープラーニングの応用例
  • Section3. ディープラーニングの主なモデル
  • Section4. Step8 修了課題

Step9 確率的モデリング

  • Section1. はじめに
  • Section2. 最尤推定
  • Section3. ナイーブベイズ
  • Section4. MAP推定
  • Section5. 情報量規準・モデル選択
  • Section6. ベイズ最適化
  • Section7. Step9 修了課題

Step10 決定木

  • Section1. 決定木
  • Section2. アンサンブル学習
  • Section3. おわりに
  • Section4. Step10 修了課題

機械学習コース リソース

  • リソース
  • オプション

コースシラバス(ディープラーニング)

Step1 イントロダクション

  • コース概要
  • Section1. ディープラーニングの世界へようこそ
  • Section2. 演習環境
  • Section3. Step1 演習

Step2 ニューラルネットワークの基礎

  • Section1. ニューラルネットワークの基礎
  • Section2. 単純パーセプトロン
  • Section3. ロジスティック回帰
  • Section4. 多クラスロジスティック回帰
  • Section5. 多層パーセプトロン
  • Section6. モデルの学習
  • Section7. Step2 演習
  • Section8. Step2 E資格サンプル問題

Step3 ニューラルネットワークの改善

  • Section1. ニューラルネットワークの改善
  • Section2. 活性化関数
  • Section3. 正則化
  • Section4. 最適化
  • Section5. Step3 演習
  • Section6. Step3 E資格サンプル問題

Step4 畳み込みニューラルネットワーク

  • Section1. 畳み込みニューラルネットワーク
  • Section2. 畳み込みとプーリング
  • Section3. CNNの応用
  • Section4. CNNの構造
  • Section5. Step4 演習
  • Section6. Step4 E資格サンプル問題

Step5 回帰結合型ニューラルネットワーク

  • Section1. 回帰結合型ニューラルネットワーク
  • Section2. RNNの様々なモデル
  • Section3. 長期依存性
  • Section4. Step5 演習
  • Section5. Step5 E資格サンプル問題

Step6 生成モデル

  • Section1. 前提知識の確認
  • Section2. 深層生成モデル
  • Section3. VQ-VAE
  • Section4. GAN
  • Section5. おわりに
  • Section6. Step6 演習
  • Section7. Step6 E資格サンプル問題

Step7 強化学習

  • Section1. 強化学習とは
  • Section2. 強化学習の定式化
  • Section3. 動的計画法
  • Section4. モンテカルロ法とTD法
  • Section5. DQN
  • Section6. 方策勾配法
  • Section7. A3C
  • Section8. まとめ
  • Section9. Step7 演習
  • Section10. Step7 E資格サンプル問題

Step8 深層学習の応用

  • Section1. 深層学習の適用方法 画像認識
  • Section2. 深層学習の適用方法 画像の局在化・検知・セグメンテーション
  • Section3. 深層学習の適用方法 自然言語処理
  • Section4. 深層学習の適用方法 音声認識
  • Section5. グラフニューラルネットワーク
  • Section6. メタ学習
  • Section7. 距離学習
  • Section8. 説明可能性
  • Section9. Step8 演習
  • Section10. Step8 E資格サンプル問題

Step9 開発環境

  • Section1. 環境構築
  • Section2. 軽量化・高速化技術
  • Section3. Step9 演習

ディープラーニングコース リソース

  • リソース

コースシラバス(E資格パッケージ)

E資格追加資料

  • はじめに
  • 直近合格者による「E資格」直前対策体験談

JDLA公式例題集

  • クイズ
  • JDLA公式例題
  • JDLA公式例題 2024#2
  • E資格対策 模擬試験

E資格 zero to one 問題集

  • クイズ
  • 応用数学
  • 機械学習
  • 深層学習
  • 開発・運用環境
  • フレームワーク

よくあるご質問

  • 推奨環境を教えてください。

    本サービス利用に際しましては、PCにて、Chrome(最新バージョン)の利用を推奨して おります。IE(Internet Explorer)は利用できません。その他のブラウザでの対応も随時確認はしておりますが、ブラウザの種類やバージョン、PCのメモリ、OS環境との組み合わせ次第で、まれに表示や処理速度等に不具合が出ることがございますので、ご了承の上、お使いください。

    また、i-Pad等タブレット端末やモバイル端末での動画の視聴などは可能ですが、サポートはしておりませんので、合わせてご了承ください。

  • 修了者ナンバーが表示されません。

    修了者ナンバーは、「機械学習」「ディープラーニング」「E資格パッケージ」修了後に取得していただけます。なお、修了者ナンバーは「修了期限」と同じタイミングまで発行可能です。

  • サポート機能について教えてください。

    サポートサービス「有」の場合、メールサポートがご利用いただけます。必ずログイン後、各コース内の「サポート」よりご連絡ください。サポートは、教材の範囲内での対応とさせていただき、1日(24時間)あたり2回まで、1回の質問につき、1つの質問内容とさせていただきます。複数の質問内容がある場合は個別にご質問ください。また、サポート対応は基本的に平日営業時間内に行います。多数のユーザーが コース修了のために集中する場合は、回答までに3日から7日間程度かかることもございます。
    演習を進めていくにあたり、すぐには分からない課題等があれば、まずは「ヒント」などをご参考にしていただきつつ、それでも分からない点について「メールサポート」機能をご利用いただくことが可能です。
    サポートサービス「無し」の場合でも、ヒント機能(最大3段階)が標準搭載でご利用いただけます。

  • お申し込み方法について教えてください。

    本プログラムは、請求書支払いのみ承っております。お申し込みの際は、「お問い合わせ」ボタンよりご連絡ください。見積書兼利用申込書を発行させていただきます。

  • 利用可能時間帯を教えてください。

    本コースの中でビデオ教材については毎日24時間利用可能ですが、演習環境については、毎日日本時間午前2時から同5時までを、定期メンテナンスの時間とさせていただいております。予めご了承の上、お使いください。

  • ライブラリは(Tensoflow)一択なのでしょうか?

    TensorFlow/PyTorchの両方に対応しております。受講開始後に実装演習に使用するフレームワークはいずれも選択可能でございますし、受講開始後に選択していただくことが可能です(両方とも学習することも可能です)。

  • 合格保証サービスについて教えてください。

    一定の条件を満たしている場合、次回E資格試験に向けて、無償で動画教材を含めた学習期間の延長(サポート無し)を行わせていただきます。
    ・受講期間中の「E資格」に不合格となられた方
    ・「E資格」の受験資格がありながら、何らかの理由で受験ができなかった方
    ・「E資格」の修了要件は満たせなかったものの、アクセス期間内に全ての修了要件を満たされた方

  • 受講期間の延長を希望しますが、料金を教えてください。

    受講終了期間までに修了要件を満たせなかった場合は「機械学習」「ディープラーニング」「E資格パッケージ」の進捗によって延長料金が変わります。この場合は、サポートありになります。期間は、次回以降のE資格プログラムの期間と同様のタイミングでの提供となります。

    ・「機械学習」も未修了:16.5万円(税込)
    ・「機械学習」まで修了:9.9万円(税込)
    ・「ディープラーニング」まで修了:3.3万円(税込)
    ・合格保証のあとの再延長の場合:一律5.5万円(税込)

  • 受験料は含まれますか?

    本プログラムにはJDLA「E資格」試験の受験料は含まれておりません。

  • 専門実践教育訓練給付金の受給のための書類はいつ頃送付されますか?

    教育訓練給付金の申請書類につきましてはアクセス期間終了日以降一週間後を目安として、申請書類一式を弊社よりご郵送予定でございます。