【中止】ディープラーニングの基礎の考え方と実践的な最新技術および発展的技術【LIVE配信】

セミナー趣旨

　ディープラーニング（深層学習）は複数の層が積まれた、多層構造のネットワークを用いて巧みに機械学習するための技術であり、現在の人工知能技術の根幹となっています。本講座は、基礎的な背景を含めて、ディープラーニングと触れ合うための概要知識と基礎的な設計技術の習得を主眼としています。基礎から実践に至るまで、幅広い知識習得をカバーします。
　前半は主にディープラーニングの数理的背景や意味についての解説となります。何故、ディープラーニングが出てきたのか、そして、何故ディープラーニングが凄いのか。など、ディープラーニングの基本的な“何故”や疑問に出来るだけ答えていくことが目標です。
　後半は主にディープラーニングの技術的な側面に注目します。ディープラーニングの利用には様々な種類のアルゴリズムが必要となり、それらたくさんのアルゴリズムの把握は初学者にとって非常に大変な作業となります。後半では、それぞれのアルゴリズムが“何故”必要なのか、そして、“何故”そんなにたくさんの種類のアルゴリズムが存在しているのかなどの疑問に、代表的なアルゴリズムを紹介しながら答えていきます。また、更なる発展的な技術やディープラーニングの運用上のコツや考え方などをご紹介します。内容の性質上、（特に後半は）数式が少なからず出現しますが、必要に応じて補足をしていくので特殊な専門知識は必要ありません。

受講対象・レベル

　ディープラーニングに興味があるけれども、その正体がよく分からくて困っている方々や、多少聞きかじっているけれど、そこを超えてもっと奥まで知りたい方々や、使い方の基本的なコツを知りたい方などを主な対象としています。また、基礎から発展に至るまでの理論を包括的に理解したい方にもピッタリの内容です。

習得できる知識

・ディープラーニングの数理・実践に対する包括的な基礎知識
・ディープラーニングを実際に使用するために必要な基礎知識とコツ
・基礎を超えたより実践的な考え方

セミナープログラム

１．機械学習とは何か？
　（１） 機械学習が目指すもの
　（２） 機械はデータから知識を獲得する
　（３） 機械学習の種類
　　　a. 教師あり学習
　　　b. 教師なし学習
　（４） 深層学習（ディープラーニング）モデルの鳥瞰
　
２．深層学習への道のり
　（１） ニューラルネットワークの基礎
　　　a. 単純パーセプトロン　～機械学習の事始め～
　　　b. フィードフォワードニューラルネットワーク
　　　c. パターン認識問題
　　　d. 誤差逆伝播法（バックプロパゲーション）
　　　e. ニューラルネットワークの技術的問題点
　（２） 深層学習へ　～歴史的背景を踏まえて～
　　　a. 事前学習という考え方
　　　b. 自己符号化器と積層自己符号化器
　　　c. 深層学習の真相
　　　d. 画像データ・時系列データのための深層学習　～CNNとRNN～
　　　　　
３．深層学習の基本技術（必須な基本技術）
　（１） 基本的な技術Ⅰ（勾配降下法について）
　　　a. 確率的勾配降下法（SGD）
　　　b. 勾配法の様々なアルゴリズム（Adam、AdaMax、AMSGrand法など）
　（２）基本的な技術Ⅱ（パラメータの初期化について）
　　　a. 入力データの初期化
　　　b. 学習パラメータの初期化（Xavier、Heの方法）

４．より進んだ実践技術と発展的技術紹介
　（１） 過学習
　　　a. 過学習とは
　　　b. 学習するときはコレに注目せよ　～学習誤差の指標～
　　　c. 過学習の問題と見抜き方　～過適合は最悪の人工知能リを導く～
　（２） 正則化法
　　　a. 正則化技術で過学習を緩和させる
　　　b. 様々な正則化アルゴリズム（重み減衰、ドロップアウト、バッチ正則化）
　（３）その他の最新技術
　　　a. 極端学習機械とリザバーコンピューティング
　　　b. 転移学習
　（４）口伝の実践技術（運用の際の考え方と注意点など）
　　　a. 層の設計について
　　　b. 学習がうまくいかないときの対処
　　　c. 設計の際の重要な考え方
　　　d. 事前学習の秘められたもう一つの可能性

５．本講座の総括といくつかの話題

【質疑応答】

スケジュール
10：00～11：10　講義1
11：10～11：20　休憩
11：20～12：30　講義2
12：30～13：20　昼食休憩
13：20～14：20　講義3
14：20～14：30　休憩
14：30～15：40　講義
15：40～15：50　休憩
15：50～17：00　講義・質疑応答　
※進行により多少前後する可能性がございます。

キーワード
ディープラーニング,機械学習,深層学習,ニューラルネットワーク,DL,研修.講座.セミナー

セミナー講師

山形大学　大学院理工学研究科　准教授　博士（情報科学）　安田 宗樹　氏

【専門】
　深層学習、統計的機械学習、画像処理、ネットワーク科学、情報統計力学
【略歴】
　2008年3月　東北大学大学院情報科学研究科　修了　（博士：情報科学）
　2008年4月　日本学術振興会　特別研究員
　2008年8月　東北大学大学院情報科学研究科　助教
　2013年4月　山形大学大学院理工学研究科　准教授

セミナー受講料

55,000円（税込、資料付）
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合49,500円、
　 2名同時申込の場合計55,000円（2人目無料：1名あたり27,500円）で受講できます。
　 備考欄に「会員登録希望」と希望の案内方法【メールまたは郵送】を記入ください。
（セミナーのお申し込みと同時に会員登録をさせていただきますので、
　  今回の受講料から会員価格を適用いたします。）
※ 会員登録とは
　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
　 すべて無料で年会費・更新料・登録費は一切かかりません。

受講について

• 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。Zoomアプリをダウンロードしてご受講いただくことをお薦めいたしますが、やむを得ずダウンロードできない場合は、Webブラウザ版（Google Chrome推奨）でもご受講いただけます。
• お申込み後、受理のご連絡メールをさせていただきます。
  一部メールが通常セミナー形式（受講券、請求書、会場の地図）になっておりますがLIVE配信のみのセミナーです。
• お申込み後、接続テスト用のURL（https://zoom.us/test）から「ミーティングテストに参加」を押していただき動作確認をお願いします。
• 後日、別途視聴用のURLをメールにてご連絡申し上げます。
  セミナー開催日時の10分前に、視聴サイトにログインしていただき、ご視聴ください。
• セミナー資料は郵送にて3日前までには、お送りいたします。
  ご自宅への送付を希望の方は備考欄にご住所などをご記入ください。
• ご質問については、オープンにできるご質問をチャットにご記入ください。
  個別相談（他社に知られたくない）のご質問は後日メールにて講師と直接お願いします。
• タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
• 講義の録音、録画などの行為や、テキスト資料、講演データの権利者の許可なく複製、転用、販売などの二次利用することを固く禁じます。