Society5.0時代到来に向けて、AI人材、データサイエンスに関わる人材の育成は急務となっています。政府が政策案を発表、文科省、経産省も現状課題に向けた教育方針を明確にしています。
企業のAI人材確保が激化する中、
プロメーテでは、
武蔵野大学データサイエンス学部データサイエンス学科長中西准教授と協同し、
『本物のデータサイエンティストの育成』に取り組んでいます。
これからデータサイエンスを学ぶ方、
データサイエンティストを目指す方に
対応できるカリキュラムとなっております。
データサイエンティストの定義
データサイエンティスト協会では、これからの時代に求められるデータサイエンティストについて以下のように定義しています。
データサイエンティストとは、
データサイエンス力、
データエンジニアリング力を ベースに
データから価値を創出し、
ビジネス課題に答えを出すプロフェッショナルである。
データサイエンティストのスキルレベル
データサイエンティスト協会による４つのスキルレベルのうち、プロメーテでは下記スキルレベルの人材になることを目標として、体系的なカリキュラムと学びの場をご用意しています。
『Full Data Scientist (棟梁レベル)』
『Associate Data Sciemtist（独り立ちレベル）』
データサイエンスと数学
データサイエンティストというと、プログラムや開発を行うエンジニアや、データ解析に関するデータアナリストを思い浮かべる方も多いのではないでしょうか。どちらもデータサイエンティストとして必要な知識＆技術ですが、ベースとして必要となるのは『数学・数理の力』です。
プロメーテのデータサイエンティスト養成講座では特に、この『数学力』『数理力』を概念から学びます。
数字から課題を見つけるためのデータエンジニア力を強化しながら、問題解決のできるデータサイエンティストとしてのスキルを高めていくことが出来ます。
従来のデータ活用とこれからのデータサイエンスは何が違うのか、なぜ数理的なセンスがデータサイエンスに必要なのか、事例を交えながら武蔵野大学中西先生に解説いただきました。
学びを継続する仕組み
プロメーテは、武蔵野大学データサイエンス学部データサイエンス学科長中西准教授と共同で教材開発を行っています。
これからデータサイエンスを学ぶ方、データサイエンティストを目指す方にも対応できるカリキュラムとなっております。
①人材育成を目的とした、体系化されたカリキュラム
データサイエンスやAI、プログラムやエンジニアに関係するスキルアップや講座はピンポイントで行われることが多く、「データサイエンティストとしてビジネスに役立てる」人材となるためのステップは不明確でした。
人材育成を目的とし、明確なスキルレベルのもと体系化されたカリキュラムが用意されています。
②目的、レベルに合わせたコース設定
目的やレベルに応じて、３つのコースからスキルアップを目指していくことが出来ます。
- 一般的な統計処理を行う『データ分析入門』
- 目的に応じた機械学習とデータマイニングを行う『機械学習利活用』
- 課題に応じて手法を組み合わせて新たな機械学手法を構築する『機械学習デザイン』
また、データサイエンティストの育成に関するカリキュラムだけではなく、人材を受け入れるための導入講座もご用意しています。
③データサイエンティストに必要な数理的な背景、概念を学ぶ講座
各コースには、それぞれの分析手法に対応する数理単元が設定されています。
たとえばデータ分析入門コースでは、一般的な統計処理を行うために必要なデータ集計手法の学習とあわせて、『基本統計量』『ベクトル・行列の演算』『微分導入』の学習も行うことが出来ます。
それぞれのレベルや手法に必要な数理的な概念もあわせて学ぶことができます。
④情報交流でデータサイエンス力を鍛える
さらに、従来のeラーニングスタイルだけではなく、スキルチェック・オンライン研修を取り入れることで、データサイエンティストとして学んでいる参加者たちや講師との情報交換を行える場を提供しています。
『情報交流』『質疑応答』『課題研修』など、一般的なeラーニングでは得られない実体験を積みながら続けていくことが出来ます。
こんな方に特に推奨しています
データサイエンス基礎数理コースについて
データサイエンス養成講座ではこのようなカリキュラムマップに沿って、知識・技術のスキルアップを行っていきます。
数学とリンクした学習
これまで、数学と具体的な機械学習手法やプログラミングは学ぶ機会が別々になっており、学習者 が自らリンクして理解するのにハードルが高い状態でした。
数学の概念の学習と実際の機械学習のアルゴリズムを同時に学ぶことにより、理解が深まり、デー タサイエンティストとしての応用力が身につきます。
理論と実践を両側からサポート
データサイエンス分野のデファクトスタンダードである、プログラミング言語Python、ライブラリ Numpy、Pandas、Scikit-learn、Tensor Flow、Kerasを駆使したハンズオンを実施。
初心者でも簡単にPythonを使えるようになれます。
機械学習のアルゴリズムはもちろん、数学の概念、演算についてもPythonを用いたハンズオンを実施することにより、理論と実践の両側からサポートします。
データサイエンス基礎数理専門コースにおける3レベル
| レベル | 目的 | 学習する主な数理単元 | 学習する分析手法 |
|---|---|---|---|
| レベル3 (機械学習デザイン) | 与えられたデータや求められた課題に応じて、既存の機械学習手法を組み合わせたり、新たな機械学習手法を構築しながらデータマイニングをする能力 | 確率・統計応用 微分積分応用 ベイズ統計 (最適化数学) | テキストマイニング Word2Vec ナイーブベイズ マルコフ連鎖モンテカルロ法 |
| レベル2 (機械学習利活用) | 機械学習の基本的な数理モデルを理解し、目的に合わせて機械学習を使ってデータマイニングする能力 | 確率・統計基礎 線形代数 微分積分基礎 | Irisデータ、MNISTデータによる分類 決定木 ランダムフォレスト ニューラルネットワーク |
| レベル1 (データ分析入門) | 任意の数値データを対象として一般的な統計処理を行い、傾向を把握する能力 | データ集計 基本統計量 ベクトル・行列の演算 微分導入 | House Sales in King County, USA*データを使ったデータ分析 データ集計 相関分析 線形回帰 |
データサイエンス導入講座内容
| 講義名 | 内容 |
|---|---|
| 人工知能とデータサイエンス | データサイエンスはこれまでの科学と何が違うのか、近年ブームとなっている人工知能とは一体どのようなものなのか、これらの定義、歴史を辿ることで、人工知能とデータサイエンスの理解を深めます。 |
| 人工知能の実現事例 | 人工知能、データサイエンスの成果が社会にどのように使われているか、具体的な事例を紹介するとともに、それらの事例を体系的に整理することで、社会実装へのイメージを掴みます。 |
| 手書き文字認識を動かして 機械学習を体験しよう | 人工知能、特に、機械学習が実際にどのように動いているかを掴むためにPythonと必要ライブラリをインストールし、簡単なプログラムを動かしてみる。具体的には、MNISTを対象として手書き数字認識を扱う。自分の書いた数字がちゃんと認識されるでしょうか。 |
レベル1 データ分析入門のご紹介
手を動かして学ぶデータサイエンス①
手を動かして学ぶデータサイエンス②
ダイジェスト版のお申し込み
レベル１の概要をご覧いただけるダイジェスト版をご用意しています。
ご希望の方は下記よりお申し込みください。
共同開発
受講にあたって
- 受講期間は１コース３ヶ月です。
- オンラインで受講可能です。
- 受講期間中は何度でも講座をご覧いただけます。
新規事業開発や、事業創造人材・開発系人材の採用育成を担当されている方、プロジェクトマネージャーの方などお気軽にご相談ください。
導入事例やカリキュラムの構築など、導入からビジネスへの落とし込みまでサポート致します。
