AIや機械学習は「便利だがブラックボックスでよく分からない」という声が少なくありません。本コースでは、単にツールを使って結果を得るのではなく、モデルの仕組みや理論背景を理解することで、AIを正しく評価・活用できる力を養います。
演習ではPython（pandas、scikit-learn、kerasなど）を用いて代表的なモデルを実際に構築した後、モデルを「観察」しながらチューニングや評価を行うことで、AI的思考を自然と身につけられる内容となっています。
「なぜこのモデルが選ばれたのか」、「どのように改善すべきか」といった問いに答えられるようになることが、本コースの大きな魅力です。理論を学びたい方はもちろん、現場でのデータ活用に自信を持ちたい方に最適です。
[開催パターン]
本コースは「集合研修」、「Liveオンライン研修」、「集合研修」と「Liveオンライン研修」を同時に開催する「ハイブリッド研修」のいずれかで開催します。
※ハイブリッド研修について
https://www.school.ctc-g.co.jp/hybrid/index.html
お申し込みにあたっての注意事項とお願い（お申し込み前に必ずご一読ください） 詳細を見る
1. お申込受付について
本コースは、主催会社のお席を確保した後に受付確定となります。
お申し込みをいただいても、満席等の理由によりご受講いただけない場合がございますので、予めご了承ください。
2. 主催会社への受講者情報提供について
本コースにお申し込みいただいた受講者様の氏名・メールアドレスは、
主催会社である CTCテクノロジー株式会社 へ提供させていただきます。
・機械学習モデルの構造やアルゴリズムを理解する
・モデルを評価/比較する方法を身につける
・データ前処理/次元削減など分析の基本スキルを習得する
・AI的思考を持ち、業務課題に即したモデル選択ができるようになる
・Pythonを使用した機会学習/ディープラーニングに興味のある方
・AIの仕組みを深く理解したい方
・機械学習の理論を体系的に学びたい方
・業務にAIを活かしたいが「使いこなせていない」と感じている方
・Pythonの基本文法に加えてクラス定義や複雑なリスト処理の知識をお持ちの方
-
- 実行環境
- ・OS: Windows
・プログラミング言語: Python
・ツール：Jupyter Notebook
-
- 受講料
-
132,000円（税込）/人
-
- 開催日数
- 2日間
-
- 時間
- 9時30分～17時00分
● 機械学習の基礎
・教師あり学習、教師なし学習の特徴
・分類と回帰の違い
・モデル開発の基本プロセス（データ準備〜学習〜評価）
● データ前処理
・欠損値、外れ値の対処方法
・特徴量の加工、変換
・標準化、正規化、ラベルエンコーディング
● 決定木モデル
・決定木の構造（ノード、分岐、葉）
・分類問題への適用
・過学習防止の方法（剪定、最大深さ制限）
● サポートベクターマシン（SVM）
・SVMの基本原理（マージン最大化、カーネル）
・ハイパーパラメータ（C、γ）の影響
・評価指標（混同行列、精度、F1スコア、AUC）
● クラスタリング（k-means）
・教師なし学習の考え方
・k-meansによるデータのグループ化
・クラスタリングの可視化と解釈
● 主成分分析（PCA）
・次元削減の考え方
・主成分の抽出
・データの可視化や特徴把握への活用
● ディープラーニング/ニューラルネットワーク
・多層パーセプトロン（MLP）の基本構造（入力層・隠れ層・出力層）
・数値データによる値予測（回帰）のモデル構築
・画像データによる分類（MNIST手書き数字）のモデル構築
・学習率・エポック数の調整による学習曲線の観察
・過学習防止の手法（ドロップアウト・正則化）
● モデル評価と総まとめ
・モデルの強みと弱みの整理
・業務課題に応じたモデル選択
コース内容につきましては、予告なく変更／更新される場合があります。
お申し込み状況により、受付期限よりも前に受付終了となる場合がございますので、お早めにお申し込みください。
-
-
申し込む
-
2026年4月23日～2026年4月24日
（2日間）
【受付】2026年4月8日まで
【会場】オンライン
【価格】132,000円
（税込）/人
・機械学習モデルの構造やアルゴリズムを理解する
・モデルを評価/比較する方法を身につける
・データ前処理/次元削減など分析の基本スキルを習得する
・AI的思考を持ち、業務課題に即したモデル選択ができるようになる
・Pythonを使用した機会学習/ディープラーニングに興味のある方
・AIの仕組みを深く理解したい方
・機械学習の理論を体系的に学びたい方
・業務にAIを活かしたいが「使いこなせていない」と感じている方
・Pythonの基本文法に加えてクラス定義や複雑なリスト処理の知識をお持ちの方
-
- 実行環境
- ・OS: Windows
・プログラミング言語: Python
・ツール：Jupyter Notebook
-
- 受講料
-
132,000円（税込）/人
-
- 開催日数
- 2日間
-
- 時間
- 9時30分～17時00分
● 機械学習の基礎
・教師あり学習、教師なし学習の特徴
・分類と回帰の違い
・モデル開発の基本プロセス（データ準備〜学習〜評価）
● データ前処理
・欠損値、外れ値の対処方法
・特徴量の加工、変換
・標準化、正規化、ラベルエンコーディング
● 決定木モデル
・決定木の構造（ノード、分岐、葉）
・分類問題への適用
・過学習防止の方法（剪定、最大深さ制限）
● サポートベクターマシン（SVM）
・SVMの基本原理（マージン最大化、カーネル）
・ハイパーパラメータ（C、γ）の影響
・評価指標（混同行列、精度、F1スコア、AUC）
● クラスタリング（k-means）
・教師なし学習の考え方
・k-meansによるデータのグループ化
・クラスタリングの可視化と解釈
● 主成分分析（PCA）
・次元削減の考え方
・主成分の抽出
・データの可視化や特徴把握への活用
● ディープラーニング/ニューラルネットワーク
・多層パーセプトロン（MLP）の基本構造（入力層・隠れ層・出力層）
・数値データによる値予測（回帰）のモデル構築
・画像データによる分類（MNIST手書き数字）のモデル構築
・学習率・エポック数の調整による学習曲線の観察
・過学習防止の手法（ドロップアウト・正則化）
● モデル評価と総まとめ
・モデルの強みと弱みの整理
・業務課題に応じたモデル選択
コース内容につきましては、予告なく変更／更新される場合があります。
