データサイエンス・プロジェクトのための機械学習
はじめに
ビジネスにおけるAIの急速な成長は、一方では前例のない機会をもたらし、他方では法的リスクにさらされる。データサイエンス、ML、AI技術に精通した新しい専門家の波は、企業がこの未知の海を航海する上で極めて重要な役割を担っている。
IBM SkillsBuild for Academia（IBMスキルズビルド フォー アカデミア
セルフペースコース
仕事を探していますか？
AIと機械学習のローコード・テクノロジーを使用してデータサイエンス手法の一部を自動化する方法についての見識を深め、市場で入手可能な数百万の求人情報にアクセスできる新しいプロフェッショナルの波に加わりましょう。
より良い仕事をお探しですか？
統計科学、機械学習技術、業界固有のデータセットを活用した高度なデータサイエンスの手法とツールを用いて、あらゆる業界の難問を解決する独自のデータモデルを実装する。
目標
このコースでは、データサイエンスの中核となる高度なトピックを紹介します。
対象範囲
- データモデリング
- 機械学習
- ディープラーニング
- 実際の使用例を紹介します。
学習成果
- データモデル管理のライフサイクルを加速するためのAI自動化の活用を理解する。
- 機械学習のための線形代数原理の理解
- さまざまなモデリング手法の理解
- モデル検証・選択手法の理解
- インサイトをビジネス価値に変換する結果を伝える
- データセットに対して様々なモデルをテストし、検証して最適なモデルを選択し、結果を伝える能力を、プロジェクトを通じて実証する。
- IBM AutoAI、およびIBM Watson Visual Recognitionのハンズオン経験。
- 自動車保険会社の内部ダイナミクスを理解し、データサイエンスとAIを使用してビジネス成果を向上させる。
コース実績
このコースについて
このコースは2つの練習レベルに分かれています。各レベルはより高度なトピックを扱い、前のレベルで扱ったコンセプト、練習、スキルの上に構築されます。
レベル1 - データモデリングと機械学習
機械学習の導入による高度なデータ分析。
- 1.データモデリング※1
- 2.機械学習アルゴリズム※1
レベル2「AIデータサイエンスの自動化
高度なAIツールを使用してデータモデル管理プロセスを自動化します。
- 1.AutoAIを利用した不正行為の予測（対話型事例）
- 2.視覚認識による不正検知(対話型事例)
*現在の専門知識レベルによっては、これらの概念を完全に理解するために、高度な統計手法やアルゴリズムに関する追加の自己学習が必要になる場合があります。
前提条件
このコース提供に参加する前に持っておくべきスキル：
データサイエンス・プラクティショナー・シリーズのエンタープライズ・データサイエンスの実践コースを修了する。
あるいは、以下のトピックに関する予備知識とスキルが必要です：
- データサイエンスチームの構成と働き方（さまざまな役割、プロセス、ツールなど）。
- データの構造を発見し、予測を行うために不可欠な統計学の主要な概念と方法
- データサイエンスの方法論：（a）ビジネス問題の特徴づけ、（b）仮説の策定、（c）分析サイクルにおける方法論の活用の実証、（d）実行のための計画
- 必要なデータを特定・収集し、データの操作・変換・クリーニングを行い、使用可能なデータセットを構築する。また、欠損値、外れ値、不均衡データ、データの正規化などのデータ異常に対処する能力を実証する
- IBM Watson Studio、Data Refinery Spark、Jupyter Notebooks、Pythonライブラリのハンズオンの経験
- 統計分析を視覚化し、パターンを特定し、ビジネス主導の意思決定のためにエグゼクティブスポンサーに効果的に結果を伝達する。
デジタル・クレデンシャル
中級
データサイエンス・プロジェクトにおける機械学習
バッジを見るこのバッジについて
データモデリング技術、機械学習、ディープラーニングアルゴリズム、データサイエンスの自動化、データサイエンスチームにおける重要な役割のロールプレイングによるデータサイエンス分野における高度なスキルの応用。
スキル
AI自動化、AI-on-AI、AutoAI、データモデリング、データサイエンス、フィーチャーエンジニアリング、不正分析、ハイパーパラメータ最適化、機械学習、MLアルゴリズム、モデルデプロイメント、モデルトレーニング、視覚認識。
基準
- IBM Skills Academyプログラムを実施している高等教育機関のトレーニングセッションに参加すること。
- 自習用オンラインコースアクティビティと、トピックの理解を確認するナレッジチェックを完了した方。