コース内容COURSE

機械学習モデルの説明可能性・解釈可能性についてご説明します。本講座がカバーする領域は表形式になります。

対象者

説明可能性について学習したい方

所要時間

※資料のみ

習得内容

機械学習モデルの説明可能性・解釈可能性について学習する

コース内容

資料のみ

深層学習編にて、テキスト分析についてご紹介しましたが、本講座では日本語のテキスト分析についてより実践的な課題を扱います。具体的には、RapidMinerのみ（Python連携せずに）で日本語の形態素解析を行いテキストの分類を行います。また、One Hot Encodingでは難しい分散表現を用いた深層学習モデルの作成を行います。日本語テキストを使ってノンプログラミングでより高度な実践例をご紹介しております。

対象者

日本語でのテキスト分析をノンプログラミングで行いたい方

所要時間

約120分

習得内容

テキストデータのハンドリングができるようになる。
テキストデータを使ったより精度の高い予測ができるようになる。

コース内容

全3章　約120分

学習済みモデルを転用することで、学習にかかる時間を削減することができ、少量のサンプルでも予測精度の高い学習モデルを作成することができる転移学習の方法について説明しております。Fine-Tuningオペレーターの使い方など転移学習に必要不可欠なオペレーターの説明を行なっています。
演習では、圧延鋼の画像を用いた傷の有無の判別を取り上げ、実装していきます。

対象者

RapidMinerで深層学習を習得したい方
画像を扱っており、転移学習の実装例を知りたい方

所要時間

約35分
※実際の所要時間は、ハンズオン含め約2～3倍程度かかります。（モデル学習時間は除く）

習得内容

分析結果のまとめ方の形式を理解できる。
まとめ方の要点が分かる。

コース内容

全4章　35分

Pytorchは、ディープラーニングのフレームワークの中でも近年、最も勢いのあるフレームワークです。最先端の研究（学界、産業界）でもよく使用されており、Pytorchの基礎を理解することで様々な実課題を深層学習を使ってアプローチできることになるはずです。本講座では、Pytorchの基礎を短時間でコンパクトにご説明致します。

対象者

深層学習を使って高度な分析課題を解決していきたい方におススメ

所要時間

約45分

習得内容

Pytorchライブラリの基本的内容を理解する
実際にPytorchライブラリ使って深層学習モデルを作成してみる

コース内容

全7章　約45分

RapidMiner AI-Hubの各機能の紹介・使い方の解説コースです。機械学習モデルの展開・運用をこれから始める、より円滑に行いたいなど、モデルの運用を課題としてお持ちの方向けとなっております。活用編もご用意しております。

対象者

機械学習プロジェクトのマネージャー・推進者 におススメ

所要時間

約200分

習得内容

RapidMiner AI-Hubの概要・操作方法を理解する
効果的な運用方法について学習する

コース内容

AI-Hub運用編/全7章　約200分

AI-Hub運用編/全7章　資料のみ

RapidMinerを使った深層学習について複数の講座で学習出来るコースです。
時系列解析、画像認識、テキストマイニングといった課題に深層学習を活用出来るように学習していきます。

対象者

深層学習を身に付けたい人 におススメ

所要時間

約260分
※実際の所要時間は、ハンズオン含め約2～3倍程度かかります。

習得内容

深層学習の基礎を習得する
深層学習を使って、時系列解析・画像認識・テキストマイニングが出来るようになる

コース内容

基礎理解編 /全10回　約150分

実践応用編 /全17回　約110分