gacco AI活用人材育成講座・理論講座
AI・データサイエンス基礎
第1章：データとモデリングの基礎 講義＆課題：受講開始から公開
1-1. データとモデリングの基礎/ビッグデータ時代の理想と現実
1-2. データの収集・生成とモデル化のための整形
1-3. データとモデルをどう扱うか
1-4. 非構造化データの種類と特徴
1-5. 大きく変わるデータとモデリングの概念
第2章：人工知能のための数学の使い方 講義＆課題：受講開始から公開
2-1. 人工知能と数学
2-2. いろいろな関数
2-3. 微分と積分
2-4. ベクトルと行列
2-5. もっと学びたい方へ
第3章：人工知能のための確率・統計の使い方 講義＆課題：受講開始から公開
3-1. 人工知能と確率・統計
3-2. 確率
3-3. 記述統計
3-4. 確率分布
3-5. 推測統計
3-6. もっと学びたい方へ
第4章：機械学習と深層学習の基礎 講義＆課題：受講開始から公開
4-1. AIブームを見極めよう
4-2. AI・機械学習・ディープラーニング
4-3. ディープラーニングの構造と能力
4-4. 機械学習の実行手順
4-5. AI導入時に注意すべき点
4-6. 今後のAIの可能性
第5章：コンピューティング 講義＆課題：受講開始から公開
5-1. なぜコンピューティングを学ぶのか
5-2. プログラミング環境の準備
5-3. プログラミングの学習
5-4. 配列と文字列の扱い
5-5. Pandas と NumPy
5-6. 機械学習の例
- Keras：Deep Learning の API
- Colab（正式名称「Colaboratory」）：ブラウザ上で Python を記述、実行できます。
第6章：対談 講義＆課題：受講開始から公開
6-1. AIの技術的変化と社会の変化
6-2. AI・ビッグデータがもたらす新しいルール
6-3. AI導入の現状と未来のビジョン
AI・データサイエンス概論
第1章：プロジェクトリーダーとして知っておくべきAI構築の基礎 講義：受講開始から公開
1-1．AI基礎の理解/AIプロジェクトにおける進め方への理解/アンチパターンへの理解
第2章：時系列・テキストを扱う人工知能技術（時系列・テキストの処理） 講義＆課題：受講開始から公開
2-1. はじめに — AI活用の広がり
2-2. 時系列の予測
2-3. テキスト・マイニング
2-4. 系列を特徴量に変換する手法
2-5. 音と振動からの異常検知と予防保全
2-6. まとめ — AI活用における留意点
第3章：画像・映像・３次元データを扱うAIの導入 講義＆課題：受講開始から公開
3-1. 深層学習の登場と画像・映像認識技術の進化の歴史
3-2. デジタル変革(DX)におけるAI活用とビジネス価値は？
3-3. 最先端画像・映像認識技術のアルゴリズムの紹介
3-4. 各業界における画像・映像認識技術の活用事例
3-5. データ戦略について
3-6. 「Po死」しないためのプロジェクトの進め方
第4章：ロボティクスとAI 講義＆課題：受講開始から公開
4-1. はじめに
4-2. モデル規範型と行動規範型
4-3. 深層学習による動作学習
4-4. 予測学習と企業での応用例
4-5. コミュニケーションロボット
4-6. まとめと今後の展望
第5章：社会的データとAI 講義＆課題：受講開始から公開
5-1. デジタル変革(DX)と Society 5.0
5-2. 社会的データの特性と計算モデル
5-3. AI技術における確率モデルの学習と推論
5-4. 実社会現象のモデリング
5-5. デジタル変革(DX)プロジェクトの実践
5-6. 社会実装のために
AI・データサイエンス専門Ⅰ
第1章：AIプロジェクト推進者として知っておくべき実装・運営の基礎 講義：受講開始から公開
1-1. 実装のポイント/保守・運用のポイント
第2章：自然言語処理 講義＆課題：受講開始から公開
2-1. 概要～導入
2-2. 単語の分散表現 – 1 分布仮説、共起頻度アプローチ
2-3. 単語の分散表現 – 2 文脈予測アプローチ
2-4. 文の分散表現 – 1 系列変換モデル、アテンション、自然言語推論
2-5. 文の分散表現 – 2 : Transformer
2-6. 文の分散表現 – 3 : BERT/まとめと参考情報
第3章：音声認識 講義＆課題：受講開始から公開
3-1. はじめに：音声認識とは
3-2. HMMに基づく音声認識
3-3. 音声認識に用いられるDNNの基礎
3-4. DNNに基づく音声認識1：CTC
3-5. DNNに基づく音声認識2：系列変換に基づく方法 LAS、Speech Transformer、Conformer/まとめ
第4章：画像理解と深層学習 講義＆課題：受講開始から公開
4-1. PoCを始める前に考慮すべきこと
4-2. PoCについて
4-3. 画像認識AIにおけるアルゴリズムの理解と選択
4-4. データの収集
4-5. AIの精度とどう向き合うか
4-6. MLOpsについて
AI・データサイエンス専門Ⅱ
第1章：ロボティクスとAI（ロボットビジョン入門） 講義：受講開始から公開
1-1. はじめに
1-2. 2Dカメラの原理とモデル、画像データ
1-3. 3Dセンサの原理と3Dデータ
1-4. 2D画像を用いた深層学習とロボットビジョン
1-5. 3Dデータを用いた深層学習とロボットビジョン
1-6. まとめ
第2章：強化学習 講義＆課題：受講開始から公開
2-1. イントロダクション
2-2. 状態価値と行動方策
2-3. 強化学習の学習手法
2-4. 深層強化学習
2-5. 深層強化学習の応用事例
2-6. まとめと今後の展望
第3章：自律制御と機械学習：認知発達ロボティクス 講義＆課題：受講開始から公開
3-1. 導入
3-2. 予測に基づく知覚・行動・学習
3-3. 模倣学習
3-4. 言語・コミュニケーション
3-5. 深層学習の応用例
3-6. まとめ
第4章：予測・診断・最適化技法（1） 講義＆課題：受講開始から公開
4-1. 予測に関する問題
4-2. 予測のためのモデルとモデル選択
4-3. 予測のアルゴリズム
4-4. 予測の問題と事例
第5章：予測・診断・最適化技法（2） 講義＆課題：受講開始から公開
5-1. 診断とは
5-2. 診断の問題設定の類型化
5-3. 診断の作成に必要なデータ
5-4. 診断の設計時におきる諸問題と全セクションまとめ
第6章：予測・診断・最適化技法（3） 講義＆課題：受講開始から公開
6-1. 最適化とその基本要素
6-2. 最適化の種類
6-3. 最適化にともなう問題
6-4. 最適化の実際
活用講座・データサイエンティストの基礎知識
第1章：マーケティングデータからの顧客行動理解 講義＆課題：受講開始から公開
1-1. マーケティングの課題
1-2. マーケティングのデータ
1-3. 消費者を理解するとは？
1-4. マーケティングの今日的なキーワード
1-5. 統計モデルとベイジアンモデリング－超解説（1）
1-5. 統計モデルとベイジアンモデリング－超解説（2）
1-5. 統計モデルとベイジアンモデリング－超解説（3）
1-6. 分析事例１：POSデータを用いた基本的市場反応モデル
1-7. 分析事例２：ID付POSデータを用いた消費者行動のベイジアンモデリングの事例１（1）
1-7. 分析事例２：ID付POSデータを用いた消費者行動のベイジアンモデリングの事例１（2）
1-8. 分析事例３：ID付POSデータを用いた消費者行動のベイジアンモデリングの事例２
1-9. まとめ
第2章：企業会計データからの不正発見 講義＆課題：受講開始から公開
2-1. 不正会計の概要
2-2. 不正会計の動機と手段
2-3. 不正会計の事例１
2-4. 不正会計の事例２
2-5. 機械学習による不正会計の検知の概要
2-6. Li et al. (2015)による不正会計の検知
2-7. 正判別率を上げるためにはどうすればよいか？（1）
2-7. 正判別率を上げるためにはどうすればよいか？（2）
2-8. まとめ
第3章：人の心理とデータ解析 講義＆課題：受講開始から公開
3-1. 採用場面等で使用されているテストの事例
3-2. 因子分析とは何か
3-3. Big Fiveおよびブランドジャパンの分析事例
3-4. 項目反応理論とは
3-5. 適応型テスト
3-6. 信頼性と妥当性
3-7. 認知診断モデル
3-8. まとめ
第4章：文書データからの知識発見 講義＆課題：受講開始から公開
4-1. テキストマイニング技術とは
4-2. 自然言語処理技術の歴史と基礎
4-3. ビジネスへの応用１ お客様の声の分析
4-4. ビジネスへの応用２ 宿泊サイトでの活用
4-5. ビジネスへの応用３ アナリストレポート分析による株価予測
4-6. ビジネスへの応用４ 行政文書の分析
4-7. ビジネスへの応用５ 通信販売の不正検知
4-8. まとめ
第5章：社会・経営のモデリングとシミュレーション 講義＆課題：受講開始から公開
5-1. データからモデルへ
5-2. 人工知能と機械学習・シミュレーション
5-3. 複雑な現場を読み解くポイント
5-4. シミュレーションによる現場介入
5-5. 現場介入事例
5-6. 複雑系データの特徴
5-7. 複雑系データの予想に用いるモデル
5-8. 複雑系データの予想モデルの実例（株価予測モデル）
5-9. 金融機関の破綻連鎖推定
5-10. ディスカッション