AIを専門としない研究者のために!
機械学習やデータサイエンスの基礎と応用法が分かる

セミナー講師

(株)富士通研究所 人工知能研究所 デジタルナレッジPJ 村上 勝彦 氏

セミナー受講料

1名につき 50,000円(消費税抜、昼食・資料付)
〔1社2名以上同時申込の場合のみ1名につき45,000円(税抜)〕

セミナー趣旨

深層学習をはじめとするAI技術が急速に発展し、それらをバイオや医学への課題に応用する事例が増えています。数年前までは、その実行には高度なプログラミング技術、高価なハードウエア、そして環境整備も試行錯誤する技術と時間までが必要でした。しかし、ここ数年、先端のAIを簡単に活用できる環境整備がすすみ、AIを専門としない研究者やエンジニアでも実装や技術の活用が可能になってきています。 そこで、本セミナーでは、AIや深層学習の初歩的な解説をしたうえで、初心者でも構築できる計算環境を用いて、簡単に深層学習を医学研究の問題に適用するプログラミング体験コースを用意しました。 自分で勉強する機会がなかなかとれなかった方、今後業務や研究にやっていきたい方で、社会人や大学院生の方を想定しています。前提知識としては、初歩的なプログラミング(実習時のみ)、統計学の初歩(標準偏差、正規分布)、高校数学の微積分、ベクトルの知識を必要とします。 本セミナーにより参加者は以下のことをできる・知るようになることを目的とします。
・人工知能、機械学習、深層学習に関する技術的な基本関係を理解できる。
・人工知能、機械学習、深層学習でどんな問題が解けるか、なぜ出来るかがわかる。
・先端的な医学、創薬への深層学習の応用例を知る。
・典型的なデータセットと問題について解析ができる。

習得できる知識

・人工知能、機械学習、深層学習に関する技術的な基本関係を理解できる。
・人工知能、機械学習、深層学習でどんな問題が解けるか、なぜ出来るかがわかる。
・先端的な医学、創薬への深層学習の応用例を知る。
・典型的なデータセットと問題について解析ができる。

セミナープログラム

1.人工知能(AI)
 1.1 人工知能の歴史
 1.2 人工知能、機械学習、データサイエンス、統計学の関係
 1.3 バイオへの応用事例

2.機械学習の基礎
 2.1 学習の分類
  2.1.1 教師なし学習 —クラスタリング(k-means法など)、主成分分析
  2.1.2 教師あり学習 —回帰、クラス識別
  2.1.3 強化学習
 2.2 汎化能力
  2.2.1 過学習
  2.2.2 正則化

3.深層学習(ディープラーニング)の基礎
 3.1 ニューラルネットワーク
  3.1.1 パーセプトロン
  3.1.2 多層パーセプトロン
 3.2 Google Playgroundを用いて原理や動作を理解する
 3.3 深層学習のモデル
  3.3.1 モデルの例
  3.3.2 RNNと自然言語処理
  3.3.3 深層学習の特徴、課題

4.医学生物学的問題への深層学習の応用
 4.1 応用事例の紹介

5.PCを用いた実習
 5.1 Google Colabの利用方法
 5.2 がん細胞を深層学習で識別してみる(遺伝子発現解析)

6.その他の話題
 6.1 深層学習の次にくる技術
 6.2 自学自習のためのリソース

【質疑応答】