Pythonで学ぶ 機械学習と深層学習（ディープラーニング） の基礎と実装 【PC実習付・定員20名】

★機械学習と深層学習（ディープラーニング）の基礎と準備、実践までを『座学＋PythonによるPC実習』でしっかり学ぶ！

Pythonの経験がない方でも受講可能です。
★フレームワークはTensorFlowとkerasを活用！演習では異常検知、予測、時系列モデル、クラス識別などを取り上げ業務で使える実践力を身に付けて頂きます。

受講料

1名54,000円(税込（消費税8％）、資料・昼食付)
　　＊1社2名以上同時申込の場合 、1名につき43,200円 　　　　　
　　＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナー開催にあたって

■実習で使用するPCについて：
　実習で使用するPCは弊社でご用意致します。お手持ちのPCを使っての実習を希望される方は弊社までお問い合わせください。

■定員について
　定員20名です。お申込みはお早めに！

■はじめに：
　この講座では、機械学習と深層学習の理論の解説とともに、より具体的に理解するために Python を用いた演習を行います。演習課題には、異常検知、予測、時系列モデルを取り上げます。深層学習のフレームワークには、TensorFlowとkerasを用います。サンプルをそのまま実行するのでなく、様々な演習課題に取り組むことで、理解を深めていただきます。

■講演のキーワード：
　機械学習、深層学習、Python、異常検知、予測、時系列モデル

■受講対象者：
　・機械学習と深層学習についての知見を得たいと考えている方
　・具体的な課題に機械学習と深層学習の適用を検討されている方

■必要な予備知識：
　・大学の初年次レベルの数学に関する知識
　・簡単なプログラミングの経験をお持ちの方
　・Pythonの経験がない方でも、結構です

■本セミナーで習得できること（一例）：
　・機械学習と深層学習の理論についての基礎知識
　・機械学習と深層学習のPythonによる実装経験

プログラム

１．機械学習の基礎
　1.1　機械学習をどのように活用するか？
　1.2　回帰モデルを用いた予測
　1.3　決定木を用いた識別
　1.4　異常検知から予測へ

２．Pythonで学ぶ機械学習
　2.1　Python の基本
　2.2　IPython と Jupyter notebook の使い方
　2.3　数値計算ライブラリnumpy による行列演算
　2.4　pandas を用いた表形式のデータ処理
　2.5　scikit-learn を用いた機械学習アルゴルズムの実装
　2.6　演習課題（時系列からの異常検知と予測）

３．深層学習の基礎
　3.1　順伝播型ネットワーク
　3.2　誤差逆伝播法によるパラメータ推定
　3.3　畳込みネット（CNN）による画像の識別
　3.4　再帰型ネット（RNN）による時系列の予測
　3.5　長・短期記憶（LSTM）におけるゲートの役割

４．フレームワークによる深層学習の実装
　4.1　TensorFlowとKeras の解説
　4.2　畳込みネット（CNN）の実装
　4.3　長・短期記憶（LSTM）による時系列フィッティング
　4.4　演習課題（加速度センサからのクラス識別）

＜質疑応答・個別質問・名刺交換＞