戻るホームへ戻るセミナー
 

これからの時代をリードするAI技術,そのノウハウを習得する絶好の機会です!

機械学習及びディープラーニングの基礎と実践(東京・大阪)


   

そもそも,“ディープラーニング”と“機械学習”の違いって?
そんな基礎的な疑問から実践,そして活用事例までを学べる講座です!

講師: 太田桂吾
応用技術株式会社 ソリューション本部 事業推進部
受講料: 42,000円(消費税込)
(テキストおよび昼食を含みます。)
       

東京会場

大阪会場

日時 平成30年6月5日(火) 10:00〜17:00
1日集中講座
平成30年6月28日(木) 10:00〜17:00
1日集中講座
会場 新技術開発センター研修室
東京都千代田区一番町17-2
一番町ビル3F
TEL 03-5276-9033
地下鉄半蔵門線 半蔵門駅徒歩2分
地下鉄有楽町線 麹町駅徒歩5分
(受講券に地図を添付いたします)
会場地図
たかつガーデン(大阪府教育会館)
大阪府大阪市天王寺区東高津町7番11号
TEL 06-6768-3911
(受講券に地図を添付いたします。)
会場地図
受講申込 受講申込

※録音・録画はご遠慮下さい。


●受講のおすすめ

機械学習・ディープラーニングを行う前のデータ処理の基本から,基礎と実践までを網羅し,また,このセミナー後,習得した知識をどのように活用するかまで,わかりやすく講義します。AIに興味はあっても,どこから勉強してよいかわからない方の受講も,大歓迎です。是非ご受講下さい!

本セミナーでの習得知識
データ処理の基本(理論と実践)
機械学習/ディープラーニングの基本(理論と実践)

受講対象者
・データ分析,システム,ソフト関連企業の方,
・機械学習,ディープラーニングを仕事に活かしたいと思っている方

●セミナープログラム

1.機械学習/ディープラーニングを行う際に必要なデータ処理の基本
1)データの定義
2)扱うデータの特性を把握する
a) 時間軸/場所の考慮
b) データを発生させるもの
3)データの前処理
a) データの抜け,異常値への対応
b) データの量を調整する(増やす/減らす)
c) データの次元を削減する
4)ディープラーニングの精度を上げるためにどのようなデータを用意するか?
a) 必要となるデータの量
b) データクレジング
c) フレームワークでの処理
5)サンプルデータの説明
a) デモで使用するサンプルデータの説明
2.対象物を数値情報へ変換する
1)画像を数値情報へ変換する
2)言語を数値情報へ変換する
3)音を数値情報へ変換する
4)状態を数値情報へ変換する
3.機械学習の基礎と実践
1)機械学習の基本
a) データがモデルをつくる
b) 学習結果をどう受け取るべきか
2)学習の種類
a) 教師あり学習の基本
b) 教師なし学習の基本
c) 強化学習の基本
3)結果の分類
a) 回帰
b) クラス分類
4)Windowsで機械学習環境をオープンソースにて構築
a) 使用可能なオープンソース一覧
b) Pythonの設定(Windows7端末の例)
5)サンプルデータを機械学習で処理
a) 何を導き出したいか?の定義
b) 使用できるモデルは?
c) Pythonを実行し結果を得る
6)機械学習のプログラム解説
4.ディープラーニングの基礎と実践
1)機械学習とディープラーニングの違いは?
a) ニューラルネットワークとは
b) 生じた誤差の吸収
c) 特微量の抽出/学習の方法
2)ディープラーニングを分類し,その特徴を把握する
a) 畳み込みニューラルネットワーク CNN(Convolutional Neural Network)
b) 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
c) 強化学習 (Deep Q-learning)
3)Windowsでディープラーニング環境をオープンソースのフレームワークにて構築
a) TensorFlow
b) Chainer
4)サンプルデータをディープラーニングで処理
a) TensorFlowで動かし結果を得る
b) Chainerで動かし結果を得る
5)ディープラーニングのプログラム解説
a) TensorFlowの解説
b) Chainerの解説
6) 解析結果の考察とチューニング
a) TensorFlow
b) Chainer
7) 精度を上げるためにいかにパラメータを最適化するか?
8) 過学習の判断基準
9) その他,実践にあたり注意すべきこと
5.このセミナーだけで終わらせないために
1)twitter/ブログを通じた情報の収集
2)より高速な環境を求める場合
◎ 質疑応答

戻るホームへ戻るセミナー