個人情報保護方針

当社は、当社の提供するサービスにおける、お客様の個人情報の取扱いについて、以下のとおりプライバシーポリシー(以下「本ポリシー」といいます。)を定め、これを公表するとともに遵守することを宣言します。

第1条(総則)
当社は、お客様の個人情報の取得、利用その他一切の個人情報の取扱いについて、個人情報の保護に関する法律(以下「個人情報保護法」といいます。)その他の関連法令及び本ポリシーを遵守します。

第2条(取得する情報)
1.当社は、お客様から以下に掲げる情報を取得します。 (1) 氏名 (2) 住所 (3) 電話番号 (4) 電子メールアドレス (5) クレジットカード情報 (6) 当社に対する各種お問い合わせに関する情報 (7) 会員登録に関する情報 (8) その他お客様から当社に提供される一切の情報
2.当社は、個人情報の取得にあたっては、偽りその他不正の手段によらず、適正な方法により取得します。

第3条(利用目的)
1. 当社は、当社が取得したお客様の個人情報を、以下に掲げる目的の範囲内で適正に取り扱います。 (1) 当社が企画・実施する懸賞に係る結果の通知及び提供並びにその後の対応 (2) 株式会社Present Squareに係るサービス(以下「本サービス」と総称します。)の開始、更新及び終了に係る告知 (3) 本サービスに関するアンケート等の実施 (4) 本サービス及びこれらに付随するサービスの提供 (5) 当社及び他社の提供するその他のサービスに係る電子メールその他の方法による告知、営業活動及びマーケティング活動 (6) 当社に対するお問い合わせ等への対応 (7) 本ポリシーの変更その他重要なお知らせ等の通知 (8) その他当社の提供するサービスを遂行するうえで合理的に必要となる取扱い 2.当社は、前項に掲げる利用目的を、変更前の利用目的と相当の関連性を有すると合理的に認められる範囲内において変更することがあり、変更した場合には、当社が別途定める方法により、お客様に通知又は公表します。

第4条(第三者提供)
当社は、お客様の個人情報については、以下に掲げる場合を除き、第三者に提供することはありません。 (1) お客様の同意を得た場合 (2) 法令に基づく場合 (3) 人の生命、身体又は財産の保護のために必要がある場合であって、お客様本人の同意を得ることが困難であるとき (4) 公衆衛生の向上又は児童の健全な育成の推進のために特に必要がある場合であって、お客様本人の同意を得ることが困難であるとき (5) 国の機関若しくは地方公共団体又はその委託を受けた者が法令に定める事務を遂行することに対して協力する必要がある場合であって、お客様本人の同意を得ることにより当該事務の遂行に支障を及ぼすおそれがあるとき (6) 当社が第3条に定める利用目的の達成に必要な範囲内において個人情報の取扱いの全部又は一部を委託する場合 (7) 合併、会社分割、事業譲渡その他の事由によりお客様の個人情報を含む事業の承継がなされる場合

第5条(共同利用)
当社は、本サービスをお客様に対して提供するために、第3条に定める利用目的の達成に必要な範囲において、当該サービスに係る提携パートナーとの間で、お客様の個人情報を共同利用することがあります。この場合、当社は、あらかじめ、提携パートナーの名称、共同利用目的、共同利用する情報の種類を公表するものとします。

第6条(安全管理措置)
当社は、お客様の個人情報を正確かつ最新の内容に保つよう努めるとともに、不正なアクセス、改ざん、漏えい、滅失及び毀損から保護するため、必要かつ適切な安全管理措置を講じます。

第7条(個人情報の取扱いの委託)
当社は、お客様から取得した個人情報の取扱いの全部又は一部を第三者に委託することがあります。この場合において、当社は、個人情報を適正に取り扱うと認められる委託先を選定し、当該委託先との間で本ポリシーに準じる内容の秘密保持契約等を予め締結するとともに、当該委託先において個人情報の適切な管理が図られるよう、必要かつ適切な監督を行います。

第8条(個人情報の開示)
当社は、お客様から、個人情報保護法の定めに基づき個人情報の開示を求められたときは、お客様本人からの請求であることを確認のうえで(代理人による申請の場合は、適正な代理人であることの確認を含みます。)、お客様に対し、遅滞なく合理的な範囲で開示を行います(当該個人情報が存在しないときにはその旨を通知致します。)。但し、個人情報保護法その他の法令により当社が開示義務を負わない場合又は正当な理由なく同内容の請求が繰り返される場合はこの限りではありません。なお、個人情報の開示につきましては、手数料(1件あたり1,000円)を頂戴しておりますので、予めご了承下さい。

第9条(個人情報の訂正及び利用停止等)
1.当社は、お客様から、(1)個人情報が真実でないという理由によって個人情報保護法の定めに基づきその内容の訂正を求められた場合、及び(2)予め公表された利用目的の範囲を超えて取り扱われているという理由又は偽りその他不正の手段により収集されたものであるという理由により、個人情報保護法の定めに基づきその訂正又は利用の停止を求められた場合には、お客様本人からの請求であることを確認のうえで(代理人による申請の場合は、適正な代理人であることの確認を含みます。)、遅滞なく合理的な範囲で必要な調査を行い、その結果に基づき、個人情報の内容の訂正又は利用停止を行い、その旨をお客様に通知します。なお、合理的な理由に基づいて訂正又は利用停止を行わない旨の決定をしたときは、お客様に対しその旨を通知いたします。
2.当社は、お客様から、お客様の個人情報について消去を求められた場合、当社が当該請求に応じる必要があると判断した場合は、お客様ご本人からのご請求であることを確認のうえで(代理人による申請の場合は、適正な代理人であることの確認を含みます。)、個人情報の消去を行い、その旨をお客様に通知します。
3.個人情報保護法その他の法令により、当社が訂正等又は利用停止等の義務を負わない場合、正当な理由なく同内容の請求が繰り返される場合又は過度な技術的作業を要する場合は、前二項の規定は適用されません。

第10条(本ポリシーの変更)
1.当社は、個人情報の取扱いに関する運用状況を適宜見直し、継続的な改善に努めるものとし、必要に応じて、随時本ポリシーを変更することがあります。 2.変更後の本ポリシーについては、当社の運営するウェブサイトでの掲示その他分かりやすい方法により告知します。ただし、法令上お客様の同意が必要となるような内容の変更を行うときは、別途当社が定める方法により、お客様の同意を取得します。

第11条(お問い合わせ)
当社の個人情報の取扱いに関するご意見、ご質問、苦情のお申出その他個人情報の取扱いに関するお問い合わせは、以下の窓口までご連絡ください。
会社名:株式会社Present Square
連絡先:info@present-square.com

第12条(適用期日)
 本約款は、2020年4月1日より適用いたします。

プラン一覧


 

E資格講座

AIエンジニア講座セット

おすすめ

G検定講座

価格 85,800円(税込)
79,200円(税込)

学生証もしくはG検定合格証提示で
69,200円(税込)

再受講・他社認定講座修了証で50%OFF!
39,600円(税込)

10,780円(税込)
21,780円(税込)
内容E資格講座 E資格講座
数学・統計学講座
Python講座
機械学習講座
G検定講座
 
G検定講座
対象最短で合格したい方 前提知識のない方
しっかり学びたい方
 
E資格を見据えてる方
AIの概要を学びたい方
 
  お申込み

※詳細はこちら

お申込み

※詳細はこちら

お申込み

※詳細はこちら



オプション講座

数学・統計学講座

9,800円/人
(税込 10,780円/人)

機械学習・深層学習を実装する上で必要な線形代数・微積分など数学の基礎や、確率・統計学を学習します。

Python講座

9,800円/人
(税込 10,780円/人)

AI開発に必要なPythonプログラミング及び関連ライブラリNumpy, Pandas, Matplotlib, Seabornの基礎を学習します。

生成AIエンジニア講座

19,800円/人
(税込 21,780円/人)

生成AI(特に大規模言語モデル:LLM)をビジネスに活かすための知見・開発技術を学習します。

講義シラバス(2024#2~)

全1,000ページ以上の詳細な講義資料を使い、AIの仕組みをわかりやすく解説し、E資格に出題される要点をお伝えします。
PyTorchと、TensorFlow両コース対応。ただし、PyTorchはライブ・オンラインともに対応してますが、TensorFlowコースは、ライブ講座のみです。
※2024#2~対応の動画講義は3月より公開となります。

章立て大項目中項目小項目
第1章数学的基礎 確率・統計
情報理論
確率モデルにおけるパラメータ推定、 情報理論
第2章機械学習 機械学習の基礎 パターン認識、機械学習の分類、機械学習の課題、検証集合、性能指標
第3章深層学習の基礎 順伝播型ネットワーク
深層モデルのための最適化
深層モデルのための正則化
畳み込みニューラルネットワーク
リカレントニューラルネットワーク
Transformer
汎化性能向上のためのテクニック
深層学習の基礎、 多層パーセプトロン、 出力層と損失関数、 活性化関数
基本的なアルゴリズム、 誤差逆伝播法
適応的な学習率を持つアルゴリズム、 パラメータの初期化戦略
パラメータノルムペナルティー、 確率的削除
陰的正則化 畳み込みニューラルネットワーク
リカレントニューラルネットワーク、 ゲート機構、 系列変換、 Transformer
データ集合の拡張、 正規化
アンサンブル手法、 ハイパーパラメータの選択
PyTorch
第4章深層学習の応用 画像認識
物体検出
セマンティックセグメンテーション
自然言語処理
生成モデル
深層強化学習
様々な学習方法
深層学習の説明性
ResNet, WideResNet、 Vision Transformer
FasterR-CNN, MaskR-CNN、 YOLO, SSD FCOS、
FCN, U-Net
WordEmbedding、 BERT、 GPT-n
識別モデルと生成モデル、 オートエンコーダ、 GAN
深層強化学習のモデル
転移学習、 半教師あり学習と自己教師あり学習
能動学習(Active Learning)、 距離学習(Metric Learning)
メタ学習(Meta Learning)、 判断根拠の可視化
モデルの近似
第5章開発・運用環境 エッジコンピューティング
分散処理
アクセラレータ
環境構築
モデルの軽量化、 並列分散処理
デバイスによる高速化、 コンテナ型仮想化(Docker)

※講義動画 約25時間 + 演習・確認テスト + 修了試験 + 修了課題