3 つのコースからなるこのカリキュラムでは、機械学習 (ML) のためのベストプラクティスと推奨事項について学習します。このコースでは、ビジネスプロセスへの ML の統合に向けたロードマップの作成方法を見ていきます。また、ML がビジネス上の問題への適切な解決策であるかどうかを判断するための要件を明らかにしながら、組織で ML を適切に導入するために必要となる構成要素についても説明していきます。
• コースレベル: 基礎
• 所要時間: 90 分
*このコースの中の動画には、日本語の吹き替えのほかに日本語の字幕もついています。字幕は画面下の [CC] をクリックして表示と非表示を切り替えることができます。
アクティビティ
このカリキュラムは、プレゼンテーション、動画、および知識の認定テストの各コースで構成されています。
カリキュラムの目標
このカリキュラムでは、次について学習します。
• 機械学習の基本を理解して、さまざまなビジネスケースでの ML の導入に伴うメリットとリスクを評価する
• ML プロジェクトを成功させるためのデータ、時間、および本番稼働に向けた要件を特定する
• 組織を ML の使用に適応させ、成功に導きそれを維持するための方法を説明する
対象者
このカリキュラムは次のような方を対象としています。
• ML プロジェクトに関与する、または関与する可能性のある技術系以外のビジネスリーダー、およびその他のビジネス意思決定者
• AWS Machine Learning Embark プログラム、および Machine Learning Solutions Lab (MLSL) ディスカバリーワークショップの参加者
前提条件
このコースを受講するにあたり、次の前提条件を満たしておくことをお勧めします。
• コンピュータとコンピュータシステムについての基礎知識
• 機械学習の概念に関する基本知識
カリキュラムの概要
コース 1: 機械学習入門: 可能性を実行する技術
モジュール 1.機械学習はどのように役立っているか。
• 機械学習の定義
• ML プロジェクトを推進するポジティブフィードバックループ (フライホイール) についての説明
• 機械学習の影響を受けるさまざまなビジネス領域についての説明
• 十分に開拓されていない市場での機械学習活用の可能性についての説明
モジュール 2.機械学習の仕組みについて
• 人工知能について説明する
• 人工知能と機械学習の違いについて説明する
モジュール 3.機械学習に潜在している問題点
• 単純モデルと複雑モデルの違いに関する説明
• 機械学習モデルの説明不可能性と不確実性の問題を理解する
モジュール 4.まとめ
コース 2: 機械学習プロジェクトの計画
モジュール 1.抱えている問題に対するソリューションとして機械学習が適しているか。
• ML がビジネス上の問題に対して適切な解決策であるかどうかを判断する方法を解説
モジュール 2.機械学習のためにデータの準備ができているか。
• ML で利用できるデータを確立するためのプロセスについての説明
モジュール 3.機械学習がプロジェクトのタイムラインに与える影響について
• ML がプロジェクトのタイムラインにどのような影響を与えるかについての説明
モジュール 4.デプロイの初期段階で確認すべき事項
• ML のデプロイで考慮すべき問題点を特定
モジュール 5.まとめ
コース 3: 機械学習に対応できる組織の構築
モジュール 1.ML を使用するために組織が行うべき準備とは。
• ML を使用するために組織が行うべき準備とは。
• AWS から得られるサポート
• 組織を成功に導くために取り得る他の戦略とは。
• 組織を変えるための文化的変容のアプローチ
モジュール 2.データ戦略の評価手法
• データ戦略の評価手法
• データ戦略を改善する方法
モジュール 3.学習とコラボレーションの文化を生み出すには。
• 学習とコラボレーションの文化を生み出すには。
• データサイエンティストの仕事とは。
• データサイエンティストに求められるスキル
• パイロット ML チームの編成について
• サポートに必要となる他の役割は。
• 主要な責任範囲について
モジュール 4.ML の導入方法
• ML の導入方法
• ML 導入で組織が行うべき行うべきことは何か?
• 組織での進捗に関するビジネスケースの例
モジュール 5.まとめ