• 日本語
    • English (英語)
Avinton JapanAvinton JapanAvinton JapanAvinton Japan
  • サービス
    • Avinton Data Platform
    • エッジAIカメラ
      • 自動車ナンバープレート自動認識システム
    • プライベートクラウド
    • AIサービス開発
    • AIカメラ/画像解析無料体験版
  • 最新情報
    • ニュースリリース&イベント情報
    • 技術ブログ&インタビュー
  • アカデミー
    • Avintonアカデミー
    • Academy on Campus
    • Academy with Platform
  • 採用情報
    • Avintonジャパン 採用ページ
    • 求人一覧
    • よくある質問
    • 新卒採用
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • SDGsへの貢献
  • お問い合わせ

機械学習エンジニアに必要なスキル

  • ルーティング
  • データベースの命名規則
  • 三目並べ – 2.〇×を交互にゲーム盤に入るようにしよう
  • 三目並べ – 3.勝敗がつくようにしよう
  • クリーンコード(Clean Code)
  • 三目並べ – 4.「スタート」「リセット」ボタンをつけよう
  • 三目並べ – 5.先攻後攻を決めて、コンピュータ対戦にしよう(前編)
  • インフラストラクチャー(サーバー、コンポーネント、RAID)
  • 機械学習入門者向け Support Vector Machine (SVM) に触れてみる
  • YOLOv8を用いた物体検出
  • 正規表現とパイプ
  • 機械学習エンジニアに必要なスキル
  • 軽量版Kubernetesディストリビューション – k0s クラスターの構築
  • ファイル操作コマンド
  • グループとユーザー
  • 困った時に使うコマンド
  • 一般グループのユーザーとグループ
  • プライバシーポリシー
  • 三目並べ – 6.先攻後攻を決めて、コンピュータ対戦にしよう(後編)
  • フロントエンド開発のための環境構築
  • ファイル検索コマンド
  • 質問
  • 仮想化環境のディスク容量を拡張する
  • ユーザー権限とアクセス権
  • データ分析基礎 – Part1
  • 三目並べ – 0.導入
  • テキスト処理
  • データベースへのデータロード
  • 機械学習概要1
  • 機械学習入門者向け Naive Bayes(単純ベイズ)アルゴリズムに触れてみる
  • ファイル管理
  • SSHを使用してホストOSからゲストOSに接続する
  • 機械学習入門者向け ChainerRLでブロック崩しの学習
  • 機械学習入門者向け ランダムフォレストによる Kaggle Titanic生存者予測
  • 機械学習概要2
  • データ分析基礎 – Part 2
  • 機械学習入門者向け 分類と回帰の違いをプログラムを書いて学ぼう
  • フロントエンドのWeb開発について
  • ダイナミックルーティング
  • 三目並べ – 1.ゲーム盤を作ろう
  • 【Python入門】Python Numpy チュートリアル
  • Amazon EC2 インスタンスの初期設定をしよう
  • AmazonEC2とVPCでネットワークとサーバーを構築しよう
  • Apache NiFi Exercise
  • Apache NiFi データパイプライン基礎
  • Apache NiFiの環境設定
  • Apache Spark 基礎
  • Apache SparkとApache Zeppelinの概要と環境構築
  • Apache Superset maptoolの使い方
  • Apache Superset 基礎
  • Apache Superset 概要と環境構築
  • Apache Zeppelin 基本機能
  • APIのデモンストレーション
  • Avinton Academy コンテンツガイド
  • AWS CLIをインストールしてコマンド操作しよう
  • AWS CLIを使ってEC2のファイルをS3へアップロードしよう
  • AWS Route 53を使って独自ドメインのWebページを表示させてみよう
  • AWSアカウントの作成と必ずやるべきセキュリティ対策
  • AWSのEC2インスタンスでWordPressブログを公開してみよう
  • AWS入門者向け 初心者が最初に理解すべきEC2とVPCの基本的な用語解説
  • CCNA
  • Certbotを使ってSSL証明書を発行し、HTTP通信を暗号化しよう
  • CISCO 1800ルータセットアップ
  • CSV import & export – Node.js, mySQL – 1
  • CSV import & export – Node.js, mySQL – 2
  • Docker Compose(Nginx + Flask + MySQL)演習
  • Docker Engineのubuntu上へのinstall
  • Docker 概要とセットアップ
  • Docker, Kubernetesの学び方について
  • Dockerコンテナイメージの最適化/ベストプラクティス
  • DockerとApacheを使ってWebサーバーを構築しよう
  • EC2からS3へ自動でぽいぽいアップロードするスクリプトの作成
  • ESP32-CAMのサンプルアプリケーションを実行する
  • 01 – Sparkfun Inventor’s Kit の準備
  • 02 – Sparkfun Inventor’s KitでLチカ
  • 03 ポテンショメータでLEDの点滅間隔をアナログ入力する
  • 04 フォトレジスタで明るさに反応するシステムをつくる
  • 05 LCDに文字列を表示する
  • 06 – BME280とLCDを組み合わせて温度計をつくる
  • ESP32とArduino IDE/PlatfromIOでHello Worldアプリケーションの実行
  • ESP32と超音波センサー HC-SR04 で物体の距離を計測する
  • ESXi – Switchの追加とVLAN
  • ESXi – VyOS
  • ESXi – 小規模ネットワーク 構築
  • Gitとは
  • VS CodeでGitHub Copilotを設定する
  • VSCode リモート開発環境
  • GNS3のセットアップ
  • Kubernetesクラスター上へのOpenVINOモデルサーバーを使用したサンプルアプリケーションのデプロイ
  • Linuxとは
  • NAT
  • NodeJSでWebアプリケーション開発 – React編
  • NodeJSでWebアプリケーション開発 – React編
  • NodeJSでWebアプリケーション開発 – React編
  • NodeJSでWebアプリケーション開発 – Socket.IO編
  • NVIDIA Cumulus VX + GNS3でBGPネットワークのシミュレーション
  • OpenCVのテストプログラム
  • PacketTracerのセットアップ
  • Pandasによる構造化データ分析
  • PCからルータ、スイッチへのSSH接続設定
  • PostGIS exercise
  • PostgreSQL – Python – Apache – Bootstrap
  • MySQLとMySQL Workbench のセットアップ
  • PostgreSQL Setup
  • PostgreSQL – インデックスを利用したパフォーマンス改善方法
  • PostgreSQL – パーティショニングを利用したパフォーマンス改善方法
  • PostgreSQLによるデータ分析
  • postgreSQLへのshp fileのimport
  • Python2.7とOpenCVのインストール
  • Python3.8 と OpenCV のインストール (Ubuntu20.04LTS)
  • Pythonでデータベースを操作する
  • Pythonで画像を分類するプログラムを作成する
  • Pythonによるマルチスレッドプログラミング実践
  • Raspberry Pi 4B のセットアップ
  • Raspberry PiとBME280を使用して温度と湿度、気圧を読み取る
  • REDIS
  • Redux基礎 – 主要な概念と用語
  • Ruby on Rails を MySQLでセットアップ
  • Ruby on Railsによる簡単なウェブアプリケーション
  • SampleアプリケーションのKubernetes上へのデプロイ
  • Scala 基礎
  • scikit-learnとは
  • Spark SQL エクササイズ
  • SparkMLによるKaggle Titanic生存者予測
  • SparkMLによる住宅価格予測
  • SQL 便利な関数
  • Ubuntuの基本設定
  • uhubctlでUSBデバイスのオンオフをコントロール
  • Terraform入門 2 – Terraformのstate管理
  • Terraform入門 1 – TerraformでAWS上にEC2インスタンスを作成する
  • Virtualisation and Container (仮想化とコンテナ) – Ansible, Docker and Kubernetes
  • viエディタ
  • VLAN
  • VMware ESXi サーバー構築
  • Webアプリ開発に欠かせないGoogle Chrome DevToolsの基本
  • Windows Server 2012 R2 Hyper-V
  • YOLOv5を用いた物体検出
Home Avintonアカデミー 機械学習エンジニアに必要なスキル

コアスキル

Linux

最低でもLPIC level 1レベルのLinuxスキルを推奨します。

環境を操作するのにどのコマンドを使用すればよいかわからずに時間を無駄にする、といったことがなくなります。

既にエンジニアとして、LinuxあるいはMacOSのコマンドラインの経験がある方は必要ない場合もあります。

Pythonプログラミング

Pythonでのプログラミングにおけるしっかりとした基礎も必要です。

Pythonでのプログラミングの基礎がしっかりとしていれば生産性が上がりますし、プログラム内の文法エラーの修正よりも機械学習自体に集中できます。

Pythonの概要を網羅しているよい教材として、こちらPython 3 bookをお勧めしておきます。

また、よく使うPythonの基礎やモジュールを簡潔にまとめている教材としては、スタンフォード大学のPython Numpy Tutorialをお勧めします。このチュートリアルはAvintonアカデミーにて翻訳されました。

機械学習ではPythonのコードを毎日見ることになるでしょうから、Pythonを基礎からしっかりと理解しておくことは後々の効率アップに必ず役に立つはずです。

Pythonにはよく慣れ親しんでおきましょう。

Python Logo Avinton

機械学習モデルの開発環境

Pythonでの機械学習で最もよく用いられる環境はJupyter NotebookとAnacondaです。

これらのセットアップは以下のリンクをご覧ください。

Jupyter Notebook
Anaconda
Jupyter & Anaconda setup for Machine Learning in Python (Avinton Academy)

Jupyter Anaconda Avinton

機械学習の基礎

Pythonだけでも機械学習は始めることができて、こちらPython Deep Learning bookでPythonでのプログラミングから機械学習にスムーズに移行することができます。

以下は機械学習の基礎に関する入門者向けのチュートリアルになります。

ChainerRL (Avinton Academy)
Random Forest (Avinton Academy)
Naive Bayes (Avinton Academy)
Classification vs Regression (Avinton Academy)
SVM (Avinton Academy)

Avinton Machine Learning

機械学習ライブラリとフレームワーク

アプリケーションや環境、解決したい問題によって、適する環境やライブラリ、フレームワークは異なる可能性はありますが、今日よく使われるものは以下になります。

TensorFlow
Keras
Scikit Learn

これらにも習熟しておくとよいでしょう。

Avinton Machine Learning Libraries and Frameworks

データ分析

解決したい問題の種類によって、データの処理と分析が必要になる場合があります。

SQL

大きな組織では、データは巨大なリレーショナルデータベースに保存されていることが多いです。データの操作にはSQLを用います。SQLは非常に強力な言語で、複雑なデータ分析をたった数行のシンプルなコードで行うことができます。

中でもPostgreSQL databaseは最も開発が進んだオープンソースのデータベースであり、こちらを習得しておくことをお勧めします。

Python – Numpy

機械学習に向けたデータの前処理の段階で、データの加工が必要な場合が多々あります。Python Numpyはデータの加工や分析に必要な数学関数が広範に用意されており、かなり高度なものまで利用可能です。

こちらのリファレンスNUMPY API referenceでNumpyにも習熟しておくことをお勧めします。

Pandas

PandasはPythonでデータ構造を扱う(データ分析を行う)際に使われるライブラリです。Numpyの機能を拡張することができます。

こちらのリファレンスPandas API Referenceでどの関数が自分のデータの加工に必要か知ることができるでしょう。

Avinton Data Analyses

OpenCVでの画像処理

今日のビジネスにおける多くの機械学習プロジェクトでは、AIを物体検知あるいはその他の画像分析系のタスクに用いています。

それらのプロジェクトでは通常、OpenCVを画像のラベル付けやその他必要な前処理に使用します。

以下にいくつかチュートリアルをあげておきます。

Python OpenCV setup (Avinton Academy)
OpenCV simple Exercise (Avinton Academy)
OpenCV Advanced Exercise (Avinton Academy)

OpenCV

オンラインコース

Stanford Machine Learning – Coursera – Andrew Ng
こちらはYouTubeでも視聴可能です。

Coursera Deep Learning

FastAIにもフリーの良質なコースが用意されており、Computational Linear Algebra courseは特におすすめです。

 

レクチャーシリーズ

Deep RL Bootcamp
Andrej Karpathy’s CNN course at Stanford (YouTube) – Stanford University (CS231n: Convolutional Neural Networks for Visual Recognition)
Sergey Levine’s Deep Reinforcement Learning Course – UC Berkeley (CS 294: Deep Reinforcement Learning)
Learning Machines 101 by Richard Golden
Practical Deep Learning For Coders, Part 1 – fast.ai

Avinton Machine Learning - Study Resources

インフラの基礎

機械学習は通常、多くのコンピュータリソースを使いますので、インフラの基礎を知っておくことも重要です。使用しているサーバを最大限に活用し、モデルの学習を効率よく進めていきましょう。

Server Resources: CPU / Disk / RAM

Avinton Academyの研修プログラムで、このエリアの基礎を学ぶことができます。ぜひ次回のセッションに参加してみてください。

CPU vs GPU

多くの場合、機械学習モデルの学習には効率を考えてGPUが用いられます。GPUがどのような仕組みで動いていて、なぜ特定のタスクではCPUより計算が速いのか知っておくとよいでしょう。

こちらはAvinton Academyのインフラワークショップ2日目で扱う内容です。

仮想化の概念

ほとんどの場合、開発環境は仮想マシン上に構築されるでしょう。ですので仮想化の概念を知っておくことも大切です。

これにはサーバ上で実際にVMWare ESXiを1からセットアップし、ハイパーバイザーのウェブGUIを用いてホスト仮想マシンを作成してみるのがよいでしょう。

こちらもAvinton Academyのインフラワークショップで扱っています。

AWS EC2

多くのAIプロジェクトはクラウド上にデプロイされます。AWS (Amazon Web Services)は数あるクラウドサービスの中でも群を抜いており、AWS(EC2 platform)に習熟しておくことも必要となります。

こちらAWS’s official documentationがリファレンスで、Avinton Academyページにもチュートリアルhow to work with AWSがあるのでぜひ参考にしてみてください。

Dockerコンテナ

1つのシステムから別のシステムに環境を複製するのに、Dockerコンテナがよく用いられます。Dockerコンテナに習熟しておき、自分の環境をDockerコンテナ化することで他のチームメンバーとの環境のシェアに備えておくとよいでしょう。

あなたも、Avintonでこのような最先端技術を習得し活用してみませんか?

社員の成長を導きながら、AIやビッグデータなどの最先端技術をプロジェクトに活用していくことが私たちのビジョンです。Avintonの充実した技術研修でスキルアップを図り、あなたのキャリア目標を一緒に達成しませんか?

採用情報
Avinton Machine Learning Infrastructure

採用情報

採用情報

Categories

  • 相互学習
  • 採用
  • 社員インタビュー
  • 学習&資格取得
  • 技術解説
  • イベント告知
  • 学内説明会&講義
  • 産学連携
  • 就職活動
  • イベントレポート
  • その他
  • 技術ブログ&インタビュー
  • mainpage
  • New Graduates Interviews
  • 中途エンジニア
  • カテゴリーなし
  • ニュースリリース&イベント

Avinton SDGs

SDGsへの貢献

Search

タグ

albumentations Apache AvintonAcademy on Campus DQN FINOLAB Fintech Flutter IoT IoT James Cauchi LPIC LPIC-2 MVI試験 PostgreSQL Predictive Maintenance Raspberry Pi Society 5.0 Sound Analysis SSD インターン インターンシップ インフラ エリクソン クラウトネイティブ サーバークラスター スマート農業 セミナー データ データ生成 データ解析 ファンダフルリレーマラソン モブワーク 中瀬幸子 企業説明会 大学&専門学校 強化学習、機械学習 技術ブログ 採用 未経験 機械学習 環境構築 田中 研之輔 研究開発 第一級陸上特殊無線技士 講義
© 2023 Avinton | All Rights Reserved | プライバシーポリシー
  • サービス
    • Avinton Data Platform
    • エッジAIカメラ
      • 自動車ナンバープレート自動認識システム
    • プライベートクラウド
    • AIサービス開発
    • AIカメラ/画像解析無料体験版
  • 最新情報
    • ニュースリリース&イベント情報
    • 技術ブログ&インタビュー
  • アカデミー
    • Avintonアカデミー
    • Academy on Campus
    • Academy with Platform
  • 採用情報
    • Avintonジャパン 採用ページ
    • 求人一覧
    • よくある質問
    • 新卒採用
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • SDGsへの貢献
  • お問い合わせ
  • 日本語
    • English (英語)
Avinton Japan