人工知能を支えるパターン認識・機械学習とPythonによる実装入門~基礎からディープラーニングの利用まで~<Zoomによるオンラインセミナー>
開催日 |
13:00 ~ 16:30 締めきりました |
---|---|
主催者 | 株式会社 情報機構 |
キーワード | 機械学習・ディープラーニング AI(人工知能) 情報技術 |
開催エリア | 全国 |
開催場所 | お好きな場所で受講が可能 |
Pythonで機械学習・パターン認識を実装するための
「はじめの一歩」に最適!
基礎からモジュール・パッケージの解説や使いこなすためのポイント、
ディープラーニング実装の流れ、今後自力で開発を進める際のおススメ情報源まで。
セミナー講師
名古屋大学 情報学研究科 講師 川西 康友 先生
■ご略歴:
2012年 京都大学大学院 情報学研究科 博士後期課程修了。
2012年 京都大学 学術情報メディアセンター 特定研究員。
2014年 名古屋大学 未来社会創造機構 特任助教。
2015年 名古屋大学 情報科学研究科 助教。
2017年 名古屋大学 情報学研究科 助教。
2020年 名古屋大学 情報学研究科 講師。
現在に至る。
■ご専門および得意な分野・研究:
防犯カメラ・車載カメラ映像を対象とした、人物検出・追跡・検索を含む人物画像処理に関する研究に従事。
■本テーマ関連学協会でのご活動:
2011年 パターン認識・メディア理解(PRMU)研究会 研究奨励賞受賞。
セミナー受講料
【オンラインセミナー(見逃し視聴なし)】1名41,800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30,800円
【オンラインセミナー(見逃し視聴あり)】1名47,300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36,300円
*学校法人割引;学生、教員のご参加は受講料50%割引
*見逃し視聴有りをご希望の方は、お申込みの際、備考欄に【見逃し視聴希望】とご記入ください。
受講について
※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。
配布資料・講師への質問等について
- 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
(開催1週前~前日までには送付致します)。
※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
(土、日、祝日は営業日としてカウント致しません。) - 当日、可能な範囲で質疑応答も対応致します。
(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。) - 本講座で使用する資料や配信動画は著作物であり、
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
下記ご確認の上、お申込み下さい
- PCもしくはタブレット・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(20Mbbs以上の回線をご用意下さい)。
各ご利用ツール別の動作確認の上、お申し込み下さい。 - 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。
Zoomを使用したオンラインセミナーとなります
- 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
※Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。 - 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。
※一部のブラウザは音声(音声参加ができない)が聞こえない場合があります。
必ずテストサイトからチェック下さい。
対応ブラウザーについて(公式) ;
「コンピューターのオーディオに参加」に対応してないものは音声が聞こえません。
申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です
- 開催5営業日以内に録画動画の配信を行います(一部、編集加工します)。
- 視聴可能期間は配信開始から1週間です。
セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
尚、閲覧用のURLはメールにてご連絡致します。
※万一、見逃し視聴の提供ができなくなった場合、
(見逃し視聴有り)の方の受講料は(見逃し視聴無し)の受講料に準じますので、ご了承下さい。
→こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」
セミナー趣旨
本セミナーでは、近年注目されている人工知能の基礎技術である、パターン認識・機械学習について解説し、Pythonを用いた実装の流れとポイントを解説します。また、そのために必要なPythonの基礎やモジュール・パッケージについても解説します。最後には、近年注目集めるDeep Learningの実装方法についても解説します。
受講対象・レベル
- 人工知能・機械学習を業務で利用しようとしている方
- Pythonを学んでみたい方
- Deep Learningの利用を考えている方
- 本テーマに興味のある方なら、どなたでも受講可能です。
必要な予備知識
- 何語でも良いが少しでもプログラミングに関する経験
- 人工知能や機械学習という言葉を聞いたことがある程度の知識
習得できる知識
- パターン認識・機械学習とは何かについての知識
- Pythonプログラミングの基礎知識
- Pythonでのパターン認識・機械学習の方法
- Deep Learningの実装方法に関する知識
など
セミナープログラム
本セミナー受講者特典として、セミナー中に紹介したソースコードを配布致します。
- はじめに
- パターン認識と機械学習
- 機械学習の枠組み
- 機械学習に基づくパターン認識手法(ポイントをかいつまんで紹介)
- k近傍法
- 線形識別関数
―単純パーセプトロン、サポートベクトルマシン - アンサンブル学習
―ランダムフォレスト - ニューラルネットワーク
―多層パーセプロトン、深層学習
- 最先端手法と応用例
- Pythonでの機械学習
- scikit-learnを用いた機械学習の枠組み
- 使用するクラス分類器
- Pythonでの機械学習の実際の流れ
- 必要なモジュールの読み込み
- 特徴量の読み込み
- 識別器の初期化・学習
- 評価
- 結果の集計・出力
- 学習した識別器の保存、読み込み
- 各種クラス分類手法の比較
―様々な識別器での結果、クロスバリデーション
- Deep Learningの利用
- Kerasを用いたクラス分類器としてのDeep Learning
- Kerasを用いた特徴抽出を含めたDeep Learning
―畳み込みニューラルネットワーク - 学習済みモデルの読み込みと利用
- 開発の参考となるオススメ文献・サイト
- まとめ・質疑応答
キーワード:Python、パターン認識、機械学習、SVM、Deep Learning、CNN