実務に使うための機械学習・ディープラーニング
開催日 |
10:30 ~ 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) |
開催エリア | 全国 |
開催場所 | お好きな場所で受講が可能 |
機械学習を基礎から解説し、
どうやって実務に取り入れていくのをわかりやすく解説!
機械学習やディープラーニングの基礎を学びたい方、精度を高めるテクニックを知りたい方、手法やフレームワークの種類など、機械学習の入り口としてもお勧めのセミナーです!
説明できるAI(XAI)とは?最近話題の「GAN」や「LSTM」はどのように使えるのか?最新情報も解説。
セミナー講師
横浜国立大学 大学院環境情報研究院 講師 白川 真一 先生
セミナー受講料
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。
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、印刷物を郵送もしくはメール送付のどちらかを検討中です。
お申込については4営業日前までのお申込みを推奨します。
それ以降でもお申込みはお受けしておりますが(開催1営業日前の12:00まで)、
テキストが郵送となった場合、資料の到着がセミナー後になる可能性がございます。 - 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。
セミナー趣旨
知的な処理をコンピュータやロボットで実現しようとする「人工知能」は、様々な分野で大きな注目を集めています。それに伴って、現代の人工知能を支える「機械学習」や「ディープラーニング」といった技術の重要性はますます高まっています。特に、ディープラーニングの登場により画像認識の精度は飛躍的に向上しました。
本セミナーでは「機械学習」の考え方やアルゴリズムを基礎からじっくり解説します。セミナー後半では、画像認識への応用を中心に「ディープラーニング」について説明します。
本セミナーを通して、機械学習・ディープラーニングの考え方、どのような問題に適用できるのか、実際の問題に応用するためには何が必要なのか、などについて知識を身につけていただくことがねらいです。
受講対象・レベル
- 機械学習やディープラーニングの基礎知識を習得したい方
- 業務に機械学習が使えないか検討中の方
- ディープラーニングによる画像認識の導入を検討している方
必要な予備知識
- 高校卒業レベルの数学の知識
習得できる知識
- 機械学習の考え方、基礎知識
- 機械学習の典型的な手法とそれらの使い分け
- 機械学習、ディープラーニングの画像認識への応用方法
セミナープログラム
- 機械学習入門
- 機械学習と人工知能の関係
- 機械学習のこころ(基本的な考え方)
- 機械学習で実現できること
- 機械学習の構成要素:モデル、損失関数、最適化
- 機械学習の基礎
- 機械学習手法の分類(教師あり学習 / 教師なし学習 / 強化学習)
- 機械学習の手順と評価方法
- 機械学習手法の例
①線形回帰
②ロジスティック回帰
③ニューラルネットワークとディープラーニング
④決定木とランダムフォレスト
⑤最近傍法
⑥k-meansクラスタリング
⑦主成分分析 - Pythonの機械学習ライブラリscikit-learn
- ディープラーニングの画像認識への応用
- 画像認識の基礎
①画像データについて
②画像認識の難しさ
③前処理・特徴抽出
④機械学習による画像認識 - 畳み込みニューラルネットワーク(Convolutional Neural Network; CNN)
①CNNによる画像分類
②CNNによる物体検出 - AutoencoderとGenerative Adversarial Network (GAN)
①画像生成・画像修復への応用
②異常検知への応用 - ディープラーニングによる時系列データ処理
①リカレントニューラルネットワーク
②Long Short-Term Memory (LSTM) - ディープラーニングの性能を向上させるいくつかのテクニック
①過学習を起こさないためには?
②学習をうまく進めるには?
③事前に決定するパラメータやネットワーク構造を決めるには? - ディープラーニングモデルの解釈性と説明できるAI
- ディープラーニングのフレームワーク
(Pytorch / TensorFlow / Keras / Neural Network Console)
- 画像認識の基礎
- 機械学習を上手く応用するために
- 対象問題の整理と定式化
- データの取得 / 前処理 / 特徴抽出
- アルゴリズムの選択
- ハイパーパラメータの調整
キーワード:人工知能、機械学習、ディープラーニング、最適化、画像認識
★過去、本セミナーを受講された方の声(一例):
- 白川先生の講義は非常にわかりやすく、且つ、レベルが高いところも触れてくださいました。
資料もたくさんあって参考になり、いいと思います。 - 実際に使うときの注意点があって参考になる。テキストのボリュームがあってよかった。
- 概要を知ることができました。大変勉強となりました。
- SVMやK近傍法など今までよくわからなかったことが理解できるようになった。
- わかりやすい説明で初学者には理解しやすい内容だった。とても勉強になりました。
- 広範囲にわたり、まとまりの良い講義でした。