みなさん、こんにちは。ブレインパッド教育講座事務局です。 

そろそろお正月気分も抜けて、普通の日常に戻りつつあるのではないでしょうか。私は年末年始の期間に増えた体重がなかなか戻らずに未だ苦労しています。いい加減に、スポーツジム始めもしないといけないですね。

さて本日は、昨年11～12月にかけて開催された「公開講座」の模様をダイジェストでお送りする開催レポートの【後編】です。【前編】と同様に、各講座でお伝えしているポイントも一挙公開してまいります。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

１．機械学習による問題解決実践　2019年12月09日（月）～10日（火）

前回は25名ほどの受講者の方に参加いただきました。受講された方々のプロフィールも多岐にわたり、プログラミングが初めてという営業職の方から、普段から機械学習を使用したプロジェクトに携わる方まで幅広く参加いただきました。

機械学習の素朴な疑問に答える：

ある調査によると、いま国内の企業でデータサイエンスのプロジェクトに携わる方の多くは「独学」や「業務上」でデータサイエンスの学習をしており、統計学やデータサイエンスに関する正規の教育を受けていない方が半数以上というのが実態のようです。

実際、今回の受講者の皆様にも事前にアンケートをとってみると、
「これまでの自分のやり方が正しいのかをちゃんと知りたい」
もっとよいアプローチがないのか、いつも悩んでいる」
「書籍の内容通りにやってみても、なかなか成果が出ず苦労している」
という声が少なくありません。何かしらの不安や悩みを抱えている方は本当に多いのかもしれません。

特に独学で機械学習を始めた社会人の方は、市販テキストは押さえられていないような知識、例えば「機械学習の各ステップ」において、特定のタスクを行う目的や理由、理論背景などを充分に理解できていない方が多いのではないでしょうか。その結果として、企業内で機械学習モデルが「ブラックボックス化」しやすくなる問題を招く原因にもなっていると考えています。

本講座では「機械学習の原理原則」をはじめ、なぜそのアプローチに至ったのかを単純明快に解説し、皆様が普段感じている疑問にお答えします。
加えて、初学者の方でも安心して学んでいただける構成となっておりますので、これから本格的に 機械学習に取り組もうとされている方にピッタリの講座となっております。

Kaggleとは違う臨場感：

最近は、お仕事で機械学習に携わっていない方でも気軽に参加できるKaggle等のデータ分析コンペティション等を通じて、ご自身のコーディングスキルを高めたり、さまざまなアルゴリズムを試めしたりできる環境が整ってきました。 中には機械学習を始めて数ヶ月足らずでコンペに参加し、プロでも驚くような好成績を残す企業内の”隠れ”データサイエンティストもいらっしゃるようです。

データ分析が身近になってきたことの現れであり、我々としても嬉しい限りなのですが、ここには１つ落とし穴があります。

機械学習モデルをより精緻に、かつ効率的に構築することが本題となるため：
・機械学習を活かすための、業務設計や仕組みづくりについて学ぶ機会が少ないこと
・データを効率的に取得・蓄積・活用するプロセスが含まれていないこと
が問題となります。

ビジネス現場において求められるデータ分析スキルは、機械学習モデルの精緻化やパイプラインの設計・実装だけに限らず、現場のビジネス課題や問題の本質を適切に把握し、分析対象データの特徴を踏まえながら、確実に成果に結び付けていく総合力が必要になります。

データ活用をより確実に学んでいただくために、当社の講座では「テーマ演習」（グループワーク）を実施して、機械学習プロジェクトの企画や展開の段階まで参加いただくカリキュラムを採用しています。

機械学習の限界やビジネスドメイン知識の重要性を知る

当社の講座ではデータの前処理やモデリングだけではなく、ビジネス課題の理解とデータ分析設定、意思決定のデザインまで多くの知見やノウハウが得られるのが特徴です。その結果、どんな結論が得られるかというと、ビジネス現場の状況やデータの内容、機械学習モデルの活用するためのドメイン知識の重要性に気づくことができます。

講座でお伝えしているポイント：

１.機械学習の基礎的な考え方(各ステップの理由や背景)を理解していただく
２.機械学習を使った分析結果を業務改善に生かすためのステップ
３.機械学習によるビジネス上の問題解決の一連のプロセスの進め方　など

受講者の感想：

・実際にRを使用してモデル化を行う実践ができた。 しかし実際にやってみると、プログラミング自体よりも顧客課題が何で、分析結果からどのような提案をするかが大変であることが分かった。（男性・30代・IT企画職）
・実際の業務に近い形でデータハンドリングやモデル作成を行うことができ、機械学習のイメージがより具体的になりました。（男性・20代・エンジニア）
・Rの利用方法だけでなく、データ分析にあたっての姿勢や考え方などの解説が充実していてよかったです。（女性・30代・企画職）

２．Pythonではじめるディープラーニング実践 2019年12月12日（木）～13日（金）

今回は22名の方に参加いただきました。実は1年くらい前まで受講者全員が男性という状態だったのですが、最近は女性の受講者も増えてきて、普段のお仕事の内容もさまざまという状況になってきています。ディープラーニングの源流からたどるから理解できる：
近年のディープラーニングの実装環境はライブラリが充実してきたことで、Pythonに限らずプログラミングの経験者であれば、短時間で実装することが容易になってきました。 しかし、実際に活用できる機械学習モデルとして性能を上げるための調整や改良を行うためにはディープラーニングの仕組みを理解する必要があるのは変わりません。 本講座では、ディープラーニングの中で使われている数学や統計理論をはじめ、ディープラーニングを学ぶ上で基本となるニューラルネットワークの仕組みを理解し、画像認識で使用されるCNN（畳み込みニューラルネットワーク）について学ぶことで、より実用的なディープラーニング実践力を身に付けていただける構成になっています。

実際にやってみるから理解できる：

本講座では、Pythonでディープラーニングを実装して動かしてもらうだけでなく、肌身で感じてもらうことも大切にしています。理由はソースコードを動かしてモデル学習を待つだけではなく、アルゴリズムの内側でどのような構造で動いているのかをイメージできることが機械学習の本質的な理解につながると考えているからです。 そのため講座では簡易的なニューラルネットワークを想定し、手計算で入力層から出力層までの結果を計算したり、受講者自身でモデルのアーキテクチャーを設計するワークを取り入れています。普段の仕事ではあまり行わない手計算をするワークを通じて、ご自身の「計算力（暗算力）」の低下を痛感する受講者も多いのだとか(笑)

講座の仕上げは、やはり実践：

講座の後半に入ると、いよいよCNNの構築実習に入ります。2人ずつペアになって、画像分類タスクを実現するCCNモデルの精度を競ってパラメータの設定や中間層のデザインなど思い思いに取り組んでいただきます。 思いもよらぬ設定が功を奏したり、仇になったり四苦八苦しながら作って試してみることで、より深い理解を促すことが可能になります。 こういうときって本当に自然と笑みがこぼれるんですよね。普段のお仕事で分析業務をされていない方でも「分析って面白い」と感じていただける瞬間かと思います。

講座でお伝えしているポイント：

１.ディープラーニングによるビジネス課題の解決のために押さえておくべきポイント 　
２.機械学習を用いたよりハイレベルな分析課題に対応するための考え方 　
３.ディープラーニングのモデルを構築して実務で活用する際の注意点や勘所　など

受講者の感想：

・概念をできるだけわかりやすくご説明いただけたこと 実業務のノウハウを多く教えていただけたこと 明るく楽しい雰囲気がよかったです（男性・40代・IT企画職）
・ご自身の経験や深く理解されているスキルをもとに、考え方の根本から教えていただき、機械学習をブラックボックス化せずに腑に落ちる説明をしていただけたから。（男性・20代・エンジニア）
・1つ質問すると10帰ってくる点。 理論部分もアツく教えていただけてよかった。 （男性・20代・ビジネス職）

開講スケジュールはこちらからご確認ください。

https://school.brainpad.co.jp/schedule

どうでしたでしょうか。

このワクワクした雰囲気の楽しい講座は、当社のような講座でしか得られません。

ぜひ当社のセミナールームでお会いしませんか。