1/2ページ
ダウンロード(180.9Kb)
製造業特化型データサイエンティスト養成講座は、多変量解析、画像処理、時系列解析、最適化といった製造業の現場で本当に必要な領域に絞って学べる6か月間、週2回、3時間の長期コースです。
製造業特化型データサイエンティスト養成講座は、徹底的に現場視点で使えるスキルを身につけられるカリキュラムになっています。後半3か月間は、プロジェクトベースドラーニングで行うことで、実ワーク、装置を使い、チーム内で課題を解決します。実際の業務で使えるようになることに焦点を置いています。演習問題に多く取り込むことで、試行錯誤を行い、自走力を鍛えることができます。
◆詳細はカタログをダウンロードしご覧いただくか、お気軽にお問い合わせ下さい。
関連メディア
このカタログについて
ドキュメント名 | 製造業特化型 データサイエンス集中コース |
---|---|
ドキュメント種別 | 製品カタログ |
ファイルサイズ | 180.9Kb |
登録カテゴリ | |
取り扱い企業 | テックポート株式会社 (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ

このカタログの内容
Page1
製造業特化型 データサイエンス集中コースとは
一般的なデータサイエンス養成コースでは、幅広い内容を学ぶことができる一方、
各業界固有の問題に特化して学ぶことはできません。
機械学習のアルゴリズムひとつをとっても、機材の消耗に合わせて臨機応変に
対応できるメンテナンスフリーなアルゴリズムなど、
製造業ならではの問題が存在しています。
本コースは多変量解析、画像処理、時系列解析、最適化といった製造業の現場で
本当に必要とされる領域に絞って集中的に学べるコースです。
豊田4期 5月26日開講
◆ 取得可能なスキル ◆
現場の問題を定式化して 幅広い領域に関する クラウドを含めたIoTまで
コンピュータに解かせる力 知見を習得 考慮したシステム構築力
在庫の最適化や人員計画のスケジューリ 「AI」と一言で表しても、多変量解析や画 工場内の製造機器のデータをネットワー
ングなど、現場にある問題をいかにして、 像処理、時系列解析など様々な領域を含 ク経由で取得・分析し、故障予知や品質
コンピュータに解かせるための定式化を んでいます。本コースでは、製造業で必要 管理を実現すれば、企業にとって大きなメ
行えるかを考えられるようになります。 詳 となる領域をピックアップしているため、本 リットが生まれます。その一方で、AIだけ
細な数学も大切ですが、本コースでは「現 当に必要な知識を効率よく幅広く習得す でなくクラウドを含めたIoTまでを考慮した
場で使える」を優先したカリキュラムを用 ることができます。 知見を得るためには幅広い知識と経験が
意しています。 必要となります。本コースでは、このシス
テム構築にも重きを置いています。
◆ 受講料金 ◆ お申込みいただいた方には、事前学習動画をお配りしております。
通常プラン受講内容 : 事前学習 + 講義 + プロジェクト
料金 : 720,000 円 / 名(税別)
出張講座も別途準備しております。(5名様以上30名様以下)。詳しくは、ご相談下さい。
ビジネスサイド向け研修:1日コース、2日コース、3日コース
エンジニア向け研修:3日コース、8日コース(E資格対応)、10日コース(E資格対応)
マネジメント層向け研修:1日コース
技術者向け研修_実装(画像解析):4日コース
◆ 新講座開講予定 ◆
豊田開催 第4期 14時30分から17時30分(週2回 火・金) 6か月間 48回
豊田校 〒471-0842 テービーテック株式会社 愛知県豊田市土橋町3丁目4-1
東京貿易ビル4階(名鉄土橋駅から徒歩7分、駐車場有)
Page2
事前学習 第 4 回 第 19 回
40分
初級編:時系列解析 上級編:時系列解析
イントロダクション 時系列解析向けのライブラリ RNN による需要予測
人工知能・機械学種・ディープラーニングとは 時系列解析のポイント 第 20 回
機械学習に必要な数学 時系列データの取得
機械学習の3大トピック 需要予測 上級編:時系列解析
内挿と外挿 第 5 回 RNN による異常検知
50分
初級編:ディープラーニング 第 21 回
微分 基礎的な数学
微分は「何」に使えるのか? フレームワーク (Keras) を用いた実装 上級編:時系列解析
導関数を求めよう 第 6 回 時系列データ向けCNN
微分の公式 Fully Convolutional Network (FCN)
偏微分 初級編:画像処理 第 22 回
40分 画像処理アルゴリズム
画像処理の実装 (OpenCV) 上級編:画像処理
単回帰分析(数学) 画像処理とディープラーニング 一般物体検出
「モデル」を決める Convolutional Neural Network (CNN) アルゴリズムの実装
「評価関数」を決める 第 7 回 第 23 回
評価関数を「最小化」する
70分 初級編:最適化 上級編:最適化
最適化とは パラメータの最適化
Python入門 線形最適化(在庫の最適化) メタヒューリスティックス
プログラミングの環境構築 目的関数と制約条件 遺伝的アルゴリズムの実装
変数 第 8 回 第 24 回
基本構文
複数の変数を扱う 初級編:最適化 上級編:最適化
制御構文 最適化の実装 職人技をアルゴリズムへ落とし込む
関数 実践課題:現場の課題を定式化
40分 Month 4
Month 2 計 8 回
単回帰分析(実装) 第 9 回
Numpyの数値計算 プロジェクト:時系列データの異常検知
Pandasによるデータベース操作 中級編:データ解析 プロセスのモニタリングを実施するシステムの構築
Matplotlibでグラフの描画 異常検知と次元削減
実データに対する単回帰分析の実装 主成分分析 (PCA) Month 5
60分 scikit-learn による実装 計 8 回
第 10 回
線形代数 プロジェクト:画像データの異常検知
スカラー・ベクトル・行列 中級編:データ解析 外観検査を実施するシステムの構築(仮)
行列の演算 部分的最小二乗法 (PLS)
サイズ感 製造業でよくある多重共線性の問題 Month 6
転置・単位行列・逆行列 scikit-learn による実装 計 8 回
ベクトルで微分 第 11 回
50分 プロジェクト:製造プロセスの最適化
中級編:時系列解析 複数のプロセスから成る一連の流れの
重回帰分析(数学) 時系列解析でよく用いられる統計量 全体最適システムの構築(仮)
「モデル」を求める 需要予測と異常検知
「評価関数」を決める 第 12 回 補修学習
評価関数を「最初化」する
70分 中級編:時系列解析 修了評価基準
時系列解析とディープラーニング 出席率及び、演習課題への取り組み(ソースコードの
重回帰分析(実装) Reccurent Neural Network (RNN) 工夫・モデルの精度・速度等)を総合的に評価します。
行列演算の基礎 有名なモデルの紹介 欠席者には補講動画を用意しています
パラメータの導出 Keras での実装
実データで演習 第 13 回 【 よくあるお問い合わせ 】
30分 ● 欠席したの場合、補講を受けることは可能ですか?
中級編:画像処理 補講の開催は予定していませんので、できる限りの
統計 CNN の実装 出席をお願いいたします。
主な統計量 手書き数字の自動判別
正規分布と3σ法 背景を含む画像の分類 ● 分割払いは可能ですか?
スケーリング 第 14 回 可能です。申込時にお申し付けください。
30分
中級編:画像処理 ● PCはレンタルできますか?
外れ値を考慮した実装 CNNの有名なモデル 本コースではPCの貸し出しをおこなっておりません。
外れ値除去 ファインチューニングの概要 誠に恐縮ですが、ご自身のPCの持参を
モデル構築 ファインチューニングの実装 お願いいたします。
スケーリングとパラメータの確認 第 15 回
15分 ● 領収書は発行されますか?
中級編:最適化 恐れ入りますが、弊社へのご入金は、銀行振込明細
ビジネス活用 非線形最適化とは をもってその証明としておりますため、領収書の発行
現場で機械学習を導入できる人材とは 非線形最適化の手法紹介 は基本的には行わない事となっております。
第 16 回 もし手続きの関係上必要でございましたら連絡
Month 1 いただければ発行しますので、お知らせください。
第 1 回 中級編:最適化
非線形最適化の実装 ● プログラミング未経験でも受講できますか?
初級編:イントロダクション プログラミング未経験者を対象とした予習動画を配布
AI・機械学習・深層学習とは Month 3 しています。 予習動画の範囲を学習して
実現場で解決したい課題について 第 17 回 いただければ未経験の方でも受講は十分に可能と
第 2 回 なっております。
上級編:データ解析 もし、不安なようであれば早めに申し込んで頂き、予習
初級編:データ解析 異常検知(距離ベース) の時間を多くとる事をおすすめしております。
データの前処理・整形 距離の定義
第 3 回 異常検知アルゴリズムの実装 お問い合わせ
第 18 回
<テービーテック株式会社>
初級編:データ解析
愛知県豊田市土橋町三丁目4番地1 東京貿易ビル
代表的な機械学習アルゴリズム 上級編:データ解析
モデル構築 異常検知(モデルベース) TEL:0565-27-5811 FAX:0565-27-6233
精度の検証 多変量解析 Mail:datascience@tbtech.co.jp
ハイパーパラメータのチューニング 複数のセンサーを考慮した異常検知