よくあるご質問
Q. 講義は録音、録画できますか？
講義の録音、録画はご遠慮ください。
Q. キャンセルポリシーについて教えてください
理由の如何にかかわらず、お申込み後のキャンセルは受け付けておりませんので、ご返金いたしかねます。受講料の支払い前にキャンセルされた場合でも、全額ご負担いただきます。やむを得ずキャンセルされる場合には、振り替え受講、または、受講者の変更をお願いしております。振り替え受講可能期間は、申込講座の開催日以降、１年間以内に開催される講座とさせていただきます。
Q. 代理人の受講も可能ですか？
【対面型講座】
はい、可能です。代理の方が受講される場合には、当日受付にて受講証と代理の方のお名刺をご提示ください。
【オンライン型講座】
はい、可能です。代理の方が受講される場合には、開催当日の2営業日前までにご連絡いただき、会議システムのID/パスワード情報の返却をお願いします。代理受講者の方には事務局より別途、受講要項をご案内します。
Q. 参加費の支払いについて教えてください
ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますのであらかじめご了承ください（開催当日の現金でのお支払い、クレジットカードでのお支払いは承っておりません）。
Q. 申込みをしたいのですが、支払いの手続きはどのような流れになるのでしょうか？
弊社の公開講座は請求区分によって以下のフローとなります。
【法人の場合】
請求書払い（後払い）となります。お支払い期日は原則講座受講月の翌月末支払いとなります。
※法人の場合でも弊社事務処理の都合上、お申込みのタイミングによってこちらから支払い期日を指定させていただくことがございます。ご了承ください。
【個人の場合】
前払いとなります。
Q. 受講証を紛失いたしました。受講は可能でしょうか？
【対面型講座】
開催当日に受付でお名刺をご提示ください。お申込みの内容を確認させていただきます。
【オンライン型講座】
講座開始日の約1週間前にメールで受講票をお送りいたします。そのメールにWeb会議システム（Zoomなど）のIDとパスワードをお知らせします。IDあるいはパスワードが分からなくなってしまった場合には、受講前日までに弊社へご連絡ください。
Q. 当日の準備物を教えてください
【対面型講座】
受講用PCにつきましては弊社にてご用意しております。お名刺、筆記用具をお持ちください。
【オンライン型講座】
＜必須＞
・研修受講用PC（デスクトップ、ノートPC）のパソコン
－ウェブカメラ・スピーカー・マイクが利用できること
－エクセル、パワーポイントがインストールされていること
・インターネット接続環境（有線または無線ブロードバンド）
・Webカメラ（音声内蔵のもの）
Q. お申込みフォームのリンクにアクセスできません。どうしたらいいですか？
お客様の会社のセキュリティ環境によってお申込みフォームが開けないという事情が発生しているようです。
そういった場合は、個人のパソコンやスマートフォンからお申込みフォームへアクセスをお願いしております。
Q. 自身のキャリア形成のために、Pythonによるディープラーニングをこれから習得したいと考えています。ただ、エンジニア職ではなくビジネス職であり、Pythonに関しては超入門講座の受講経験があるのみです。
現在、「Pythonではじめるディープラーニング実践：画像解析入門」の受講を検討していますが、受講前に下位講座にあたる「現場で活かせる統計解析実践」や「機械学習による問題解決実践」を受講した方がいいでしょうか。受講講座についてのアドバイスをお願いします。
講座は原則として これからディープラーニングの学習を始めたい方を対象にしております。また、Pythonのコードも一から書いていただくのではなく、サンプルコードを使用したハンズオン形式で講義を進めます。加えて、講座開催中はTA（ティーチングアシスタント）が個別にサポートいたしますので ご安心くださいませ。なお、統計解析の基本的な知識を習得したいという事であれば、下記の講座カリキュラムの受講も併せて検討いただければと思います。
Q. 普段は開発系のエンジニアをしているので、プログラムを書くのは得意なのですが、高校時代は文系、大学時代も経済学部と完全な文系脳のため高校レベルの数学知識は正直なところ怪しいです。そのような私でも受講可能でしょうか。
エンジニア職の方にも文系出身の方がおられるので、最近はそのような質問も承るようになってきました。一方、理系出身で学生時代に数学が得意だった方でも、社会人になって数学からいったん離れてしまうと、すっかり知識から抜けてしまっているケースが見受けられることもあります。
講座内では、関数、行列、微分積分などディープラーニングの理解に必要となる高校数学程度の知識から復習し、機械学習で使われる数学や統計の理論ともに理解していきます。
何となく数式を覚えて理解するのではなく、数学の基礎の基礎から理解していきますので、単純にコードを書いてモデルを構築するよりも学習効果が高くなると考えています。
