データサイエンティスト本格養成コース(DFC) データサイエンスを本格的に学び、高度なデータ分析やAI開発ができるようになりたい方へ
コースの特色
- データサイエンティストとして様々な課題を高いレベルで解決できるようになることを目指して、必要な技法を網羅的に習得します。
- データサイエンスの本質は「統計学」「機械学習」、そしてそれらを支える「最適化手法」です。これらについて、数学的背景をふまえて深く体系的に学び、実践的な演習を行います。
こんな方におススメ
- 様々な課題を高いレベルで解決できるようような本格的なデータサイエンティストを目指す方
- ある程度のデータ分析はできるが、より高いレベルを目指して本格的に学びたい方
- IT関連の技術者だが、AI開発やデータ分析もできるようになりたい方
- 他分野の技術者であるが、データサイエンスを取り入れた新しい開発を行いたい方
数学レベル
- 高校までの理系数学と大学1・2年生レベルの偏微分、積分、行列について、あらかじめある程度知っていることが望ましいです。
※数学に自信のない方向けの「数学講座」(オンデマンド配信)をコース受講者全員受講いただけます。
内容
講座名 | 講座の内容 |
---|---|
データサイエンス入門(DI) |
|
◆講座の内容◆ データサイエンスの背景/データサイエンスで生み出されるビジネス価値と活用事例/データサイエンスの体系と手法(教師あり学習・教師なし学習など)/深層学習(ディープラーニング)/データサイエンスの留意点/発展的話題と今後の方向性 | |
受講時間:1日(3時間) 演習:無 | |
情報倫理(IE) |
|
◆講座の内容◆ 確立されている論理:研究倫理、一般的情報倫理/これからの確立を待つ倫理:新しい技術にまつわる倫理 | |
受講時間:1日(3時間) 演習:無 | |
統計分析(S) |
|
◆講座の内容◆ Rによるプログラミングとデータの要約/事象と確率変数/母集団と標本、統計モデル/推定と仮説検証/単回帰分析/重回帰分析/主成分分析、多次元尺度構成法/判別分析/時系列解析/実践的総合演習 | |
受講時間:7日(21時間) 演習:有 | |
機械学習(M) |
|
◆講座の内容◆ 概論(回帰・分類、評価方法、検証・交差検証、損失関数、過学習・正則化)/Python入門/教師あり学習1(決定木、サポートベクターマシーン、スパース正則化など)/教師あり学習2(カーネル法、ランダムフォレスト、ブースティングなど)/教師なし学習(密度推定、クラスタリングなど)/ニューラルネット、深層学習/特徴量エンジニアリング/実践的総合演習 | |
受講時間:8日(24時間) 演習:有 | |
最適化(OP) |
|
◆講座の内容◆ 最適化の概要/線形計画/非線形計画/2次計画/凸計画 | |
受講時間:3日(9時間) 演習:有 |
※本コースでは、プログラミング言語を用いた実践演習を行います。
受講修了証
発行要件。下記発行要件1) 2) 3)のすべてを満たした受講者には”受講修了証”が発行されます。
1) 当コース全日程を受講
2) 各回終了後の受講レポートを提出
3) すべての課題に合格(合格基準は100点満点中60点以上)
教育訓練給付金制度を利用して受講する場合は、上記修了要件を満たさなければ受講証明書及び専門実践教育訓練修了証明書が発行されません。
時間・料金
対面・オンラインライブ | ||
---|---|---|
受講期間 | 受講時間 | コース料金(税込) |
約6か月(20日) | 60時間 | ¥858,000 |
※Eラーニングオンデマンドの受講時間は目安です。
申込
※申し込みは各開講日の3営業日前までとなりますのでご注意ください
※対面コースをお申し込みの場合、体調不良などやむを得ない場合にはオンラインへの振替が可能です。オンラインコースから対面コースへは振替いただけません。
開講日 | 講義形態 | |
---|---|---|
現在お申込可能なコースはありません |