TensorFlowで学ぶディープラーニングと応用【PC実習付き】（定員２０名）＜Zoomによるオンラインセミナー＞

必要な前提知識からディープラーニングの手法、
実際に動かす時の課題など…
手を動かして理解を深めながら学べるセミナー！

機械学習の基礎実習セミナーとのお得なセット割引もございます。

セミナー講師

明治大学 総合数理学部　ネットワークデザイン学科　准教授　櫻井　義尚　先生

■ご略歴：
　2000年　電気通信大学電気通信学部電子情報学科卒業
　2002年　同大学大学院電気通信学研究科電子情報学専攻博士前期課程修了
　2005年　同博士後期課程単位取得済み退学。同年博士（工学）
　2005年4月～　東京電機大学情報環境学部情報環境学科助手
　2010年4月～　東京電機大学情報環境学部情報環境学科助教
　2013年4月～　明治大学総合数理学部ネットワークデザイン学科　准教授
■専門および得意な分野・研究：
　機械学習、データマイニング、進化計算、レコメンダーシステム、マーケティング調査分析、テキストマイニング、意思決定支援システム
■本テーマ関連学協会での活動：
　情報処理学会、人工知能学会、日本オペレーションズ・リサーチ学会、日本知能情報ファジィ学会、電気学会、進化計算学会、日本マーケティング学会、IEEE

セミナー受講料

『ディープラーニング実習セミナー（8月27日）』のみのお申込みの場合
　　1名46,200円(税込（消費税10％）、資料付)
　　＊1社2名以上同時申込の場合、1名につき35,200円

『機械学習実習セミナー（8月26日）』と合わせてお申込みの場合
　　（同じ会社の違う方でも可。※２日目の参加者を備考欄に記載下さい）
　　1名70,400円(税込（消費税10％）、資料付)
　　＊1社2名以上同時申込の場合、1名につき59,400円
　　　⇒割引は全ての受講者が両日参加の場合に限ります
　　＊備考欄に「『機械学習実習セミナー（8月26日）』とセットで申し込み」と
　　　ご記入ください

　　＊学校法人割引；学生、教員のご参加は受講料50％割引。

＊準備の都合上、開催1営業日前の12:00までにお申し込みお願い致します。
　（土、日、祝日は営業日としてカウント致しません。）

受講について

＊本講座は、Zoom を使用したオンラインセミナーです。
　（下記ご確認の上、お申込み下さい）。

• 本講座は、オンライン受講のみ可能です。セミナー会場での受講はできません。
  ＊PCもしくはスマートフォンとネットワーク環境をご準備下さい。
• ご受講にあたり、環境の確認をお願いしております。
  お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
  　→ 確認はこちら
  ＊Zoomアプリのインストールをしないブラウザからのご参加テストもこちらから可能です
  ＊Skypeなど別のツールが動いておりますと、カメラ・マイクなどがそちらで使用されてしまいZoomで不調となる場合があります。お手数ですが同様のツールは一旦閉じてからお試し下さい。
• Zoomアプリのインストール、zoomへのサインアップをせずブラウザからの参加も可能です
• 開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。
• 本講座の配布資料は、印刷物を郵送にてご送付申し上げます。ご登録の際はお受け取りが可能な住所をご記入ください。
• 本講座で使用される資料や配信動画は著作物であり、
  録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
  複数端末から同時に視聴することやプロジェクタ等による複数人での視聴は禁止いたします。
• 当日、可能な範囲で質疑応答、個別質問も対応致します。
  （全ての質問にお答えできない可能性もございますので、予めご容赦ください。）

セミナー趣旨

　過去の情報に基づいて顧客の行動を予測したり、これまで人手を要していた分類作業を自動化したり、機械学習はビジネス上の様々な場面で活用できる強力なツールになります。
　本セミナーでは、「これから自分で機械学習(ライブラリを使った)プログラムを作りたい」機械学習の初学者を対象に、機械学習の基礎を解説しつつ、機械学習ライブラリを使ったPythonのサンプルプログラムを実際に実行し、ソースコードの解説を通して、機械学習プログラムがどのように作られているかを学びます。

★過去、本セミナーを受講された方の声（一例）：
・独学では限界があったので要点をわかりやすく教えていただきありがとうございました。とてもためになりました。
・全体の概要は理解できたので復習して理解を深めます。
・内容、進め方、スピードどれも非常に良かったと思います
・説明が丁寧でわかりやすくしていただいたのでよく理解できました。
・関数の特徴、Tipsが多くわかりやすかった。質疑応答がよかった。

受講対象・レベル

　・Pythonを動かしてみたい方
　・機械学習を活用したい方
　・Pythonを使った機械学習システムの構築を目指している方

必要な予備知識

【プログラミングについて】
　・簡単なパソコンの使い方（ファイル操作など）
　・Pythonでなくともいいので、何かしらのプログラミング経験があることが望ましい。
【機械学習について】
　この分野に興味のある方なら、特に必要ありませんが、大学初学年程度の数学の知識（ベクトル・行列・統計）があった方がより深く理解できます。

習得できる知識

　・機械学習の基礎知識
　・機械学習システム構築についての基礎知識
　・機械学習ライブラリを用いたPythonプログラミングの基礎
　・機械学習の代表的な手法の理解
　・ディープラーニングの基礎知識

セミナープログラム

1．ニューラルネットワーク
　1）人工ニューロン
　　・パーセプトロン
　2）ロジスティック回帰
　　・活性化関数
　　・誤差関数
　　・最適化問題
　3）機械学習ライブラリを用いたプログラム（scikit-learn）
　4）マルチクラス分類
　　・ソフトマックス関数
　5）多層パーセプトロンMLP
　　・誤差逆伝搬法
　6）TensorFlowによるプログラミング

2．ディープラーニング
　1）ディープラーニング
　　a）ディープラーニングとは
　　　1.特徴量とは
　　　2.特徴量抽出の意味する事
　　b）ディープラーニングのプログラムを作るには
　2）ディープニューラルネットワーク（DNN）
　　・TensorFlowによるプログラミング
　3）ディープラーニングの課題と解決策
　　・勾配消失問題
　　・様々な活性化関数
　　・オーバーフィッティング問題
　　・ドロップアウト
　4）ディープラーニングの手法
　　・リカレントニューラルネットワーク（RNN）
　　・畳み込みニューラルネットワーク（CNN）
　5）応用事例紹介
　
3．実際の機械学習システム構築での課題
　1）データをどこから持ってくるのか
　2）ネットのデータを集めるには（スクレイピング）
　3）urllibライブラリ
　4）HTMLやXMLを解析するBeautifulSoupライブラリ
　5）CSSセレクタ
　6）Web APIからのデータ取得