第一週
前半では、AI/機械学習/ディープラーニングとは、ビジネスでのAIの使い方、AIプロジェクトの進め方と必要なポジション、Python速習などを学びます。
後半では、機械学習の開発ツール"Scikit-Learn"を使った機械学習入門(分類)と、評価指標について学びます。

第二週
前半では、データの整形と可視化に必要なライブラリpandas, matplotlibについて学びます。

後半は、現場に近いデータの前処理を行います。
さらにデータサイエンティストが集まるKaggleのデータセットを用いて、機械学習の一連の流れを学びます。

第三週

前半に、PythonでAPIを扱う方法を学びます。
その後、クラウドサービス"Google Cloud Platform"のWeb APIを使い、Pythonから名刺等の画像から、テキストデータを抽出していきます。

第四週

現場でも使われているデータベース"MySQL"の操作方法を学び、取得したデータを格納します。
また後半では、PythonのWeb開発ツール"Flask"を使用して、Webアプリケーションの作り方を学びます。

データベースに保管しているデータをWebのアプリケーション上で管理できるようにする。

第一週
データ分析の業務を理解し、課題発見から分析設計まで行います。
またハンズオンでは、SQLやPythonを用いて前処理し、広告データをPythonを用いて分析(相関分析や時系列解析)・可視化を行います。
第一回講義開始までに、SQLおよびPython文法、Pandas、Matplotlib、Seabornについて進めてもらいます。

第二週

自然言語処理に関して学びます。
具体的に形態素解析やテキストデータの前処理を行い、トピックモデルを作成します。
ニュースなどの記事からトピックを抽出することが出来るようになります。

第二回講義開始までに、形態素解析、トピックモデルについて進めてもらいます。

第三週
教師なし学習・k-meansに関して学びます。
具体的に画像をベクトル化し、画像をクラスタリングする方法などを学びます。

第三回講義開始までに、Scikit-learnについて進めてもらいます。

第四週
第一回目から第三回目までのおさらいします。第三回目までにわからなかったことをクリアにしていきます。
最後にレポーティング資料を作成します。

第一週
前半でAIとは何か、機械学習とは何か、ディープラーニングとは何かまた、AIの歴史や問題点などに関しても学びます。
後半では、機械学習で何ができるのか、AIプロジェクトの進め方などに関しても学びます。

第二週
機械学習の具体的手法に関して学び、主要な手法を1つ1つ学び、それぞれが使えるシーンに関して学びます。
後半では、ディープラーニングに必要な基礎数学と学習結果の評価方法などに関しても学びます。

第三週
ディープラーニングの基礎となるニューラルネットワークに関しても触れ、ディープラーニングの具体的手法を学びます。
またディープラーニングの研究分野に関しても学びます。

第四週
AI×法律などに関して学びます。
その後、一人数分でAIプロジェクトの企画レポーティング資料作成方法に関しても学びます。