受講生はコースの中で直接pandasのクエリを実行し、モデルを学習させ、データセットを分析できます。期限切れになるColabのリンクも不要。ノートブックがそのままレッスンになります。
受講生は、体験型のスペースでパラメータを変えながら結果を可視化し、機械学習の概念を探っていけます。
データサイエンスはチームで取り組むものです。データセットの質問にはディスカッションのスレッド、プロジェクトの振り返りには共同編集ボードを使い、受講生同士のフィードバックで学びが深まります。
ドメインもSEOも受講生とのつながりも自分のもの。Udemyの検索結果に埋もれるコースではなく、Googleで上位に表示されるデータサイエンスのアカデミーをつくれます。
データサイエンス・AIの現場が実際に直面している壁と、LearnHouseでそれを乗り越える方法をご紹介します。
データサイエンスの教育には、Python、R、SQLを実際に書く練習が欠かせません。ブラウザで実行できないと、受講生はコースとJupyterノートブックを行き来することになり、流れが途切れます。
コードプレイグラウンドで、受講生はレッスン内で直接コードを書いて実行できます。ノートブックを別に用意する必要はありません。コーディング体験がコースの流れの一部になります。
ニューラルネットワーク、勾配降下法、特徴量エンジニアリングを、スライドと動画だけで教えるのは効果的ではありません。受講生がパラメータを変えて結果を確かめられる環境が必要です。
AIのプレイグラウンドで体験型の学習スペースをつくれます。受講生はパラメータを操作し、データを可視化し、モデルをリアルタイムで試せます。
データサイエンスのチームは、チャットはSlack、コードはGitHub、メモはGoogle Docs、講義はZoomと使い分けています。学習体験がばらばらになりがちです。
コミュニティ、共同編集ボード、コースの内容を、すべてひとつのプラットフォームに。受講生は5つものツールを行き来せずに、議論し、コードを共有し、一緒に学べます。
Udemyのようなマーケットプレイスでは、受講生とのつながりはプラットフォームのものです。他社のドメインの上では、知られるデータサイエンスのブランドは育ちません。
独自のドメイン、ブランド、SEO。体験全体をホワイトラベルにできます。マーケットプレイスに埋もれるコースではなく、受講生が覚えて何度も訪れる、あなたのデータサイエンスアカデミーを築きましょう。
データサイエンス・AIでのLearnHouse活用について、よくいただくご質問
はい。コードプレイグラウンドでコースの中で直接Pythonを実行できるので、受講生はAnacondaやColabを用意しなくても、pandas、scikit-learn、可視化の練習ができます。プレイグラウンドの横にあるAIアシスタントが、エラーの内容を説明し、次の手順を提案します。
まさにそのためにつくられています。AIアシスタントとAIプレイグラウンドで、RAGのデモ、プロンプトエンジニアリングのラボ、モデルを比較する演習をつくれ、受講生はその場で操作できます。コース作成者は、ボードと組み合わせてプロンプトを一緒に改善することもよくあります。
はい。ブラウザでの作業にはコードプレイグラウンドを、提出物を採点の仕組みに同期するにはWebhookを、受講生の成果物をMLflowやWeights & Biasesに取り込むにはREST APIを使えます。修了課題の相互レビューはコミュニティで行えます。
DataCampやCourseraはマーケットプレイスで、売上の30〜60%を取り、受講生とのつながりもプラットフォームのものです。LearnHouseはStandard（月額$49）ならプラットフォーム手数料0%、Proなら独自のドメインとブランドで完全なホワイトラベルにできます。
はい。Stripeとの連携で分割払いに対応しており、$2,000〜8,000のブートキャンプではこれが主流の料金体系です。クラスの場としてコミュニティを、毎週のプロジェクトレビューでのリアルタイムのホワイトボードとしてボードを組み合わせられます。
はい、プラットフォームの画面は19言語に対応しており、コースの内容はどの言語でも作成できます。テナントを3つに分けなくても、同じデータサイエンスのカリキュラムを英語、スペイン語、中国語で運営できます。
はい。DockerでLearnHouseをセルフホストし、AIアシスタントの接続先を、社内のvLLM、Azure OpenAI、Bedrockなど、自社のモデルゲートウェイに向けられます。プロンプトを自社のクラウド環境の外に出せない規制業種で教える場合に便利です。
はい。ポッドキャスト機能で、受講登録した人だけが聴ける音声エピソードをスクール内で公開できます。多くのデータ分野の講師が、メインの動画カリキュラムと並行して、現場の専門家へのインタビューを毎週配信しています。
ノートブックはコードブロックで埋め込み、手を動かす部分にはコードプレイグラウンドを使えます。企業のライブラリにあるSCORM形式のデータ系コースは、LearnHouseがそのまま取り込めるので、既存の内容にAIチューターを加えられます。
分析ダッシュボードで、受講生ごとの修了状況、クイズのスコア、取り組み状況がわかります。コミュニティでの修了課題の提出と組み合わせれば、スキルの根拠として十分なデータになり、採用パートナーへの推薦の基準にしている講師も多くいます。
LearnHouseはどの業界にも柔軟に対応できます。掲載内容はプラットフォームの現在の機能に基づいています。
