ディープラーニングとパターン認識、最先端の人工知能へ

【講師】

　安田宗樹（やすだむねき）氏：山形大学大学院　理工学研究科　情報科学科　准教授（博士（情報科学））

【プログラム】

　1　機械学習とは何か？
　　1.1　機械学習が目指すもの
　　1.2　機械はデータから知識を獲得する
　　1.3　機械学習の種類
　　　1.3.1　教師あり学習
　　　1.3.2　教師なし学習
　　　1.3.3　教師なし学習と人工知能

　2　深層学習への道
　　2.1　ニューラルネットワークの基礎
　　　2.1.1　単純パーセプトロン　〜機械学習の事始め〜
　　　2.1.2　フィードフォワードニューラルネットワーク
　　　2.1.3　誤差逆伝播法
　　　2.1.4　ニューラルネットワークの第一技術限界
　　2.2　深層学習に用いられるニューラルネットワークのしくみ
　　　2.2.1　事前学習という考え方
　　　2.2.2　自己符号化器は情報を圧縮する
　　　2.2.3　積層自己符号化器がディープラーニングの1つの雛形
　　　2.2.4　表現学習という言葉　〜特徴量の抽出と学習〜
　　　2.2.5　深層学習は一言でいうと○○をしている！

　3　その他の深層学習モデル
　　3.1　畳み込みニューラルネットワーク（CNN）
　　　3.1.1　CNNの仕組み
　　　3.1.2　CNNの学習
　　　3.1.3　CNNの使いどころ
　　3.2　リカレントニューラルネットワーク（RNN）
　　　3.2.1　RNNの仕組み
　　　3.2.2　RNNの学習
　　　3.2.3　RNNの使いどころ

　4　深層学習の深層部と実践
　　4.1　画像データを深層学習してみる
　　　4.1.1　自動獲得されるフィルタ
　　　4.1.2　学習された表現が組み込まれている場所
　　4.2　実践的な最新技術　〜パラメータチューニングの具体的な方法〜
　　　4.2.1　層を積むほど性能は上がるのか？
　　　4.2.2　過適合の問題と見抜き方　〜過適合は最悪のアプリを導く〜
　　　4.2.3　正則化技術は過適合を緩和させる
　　　4.2.4　ディープラーニングの正則化技術
　　　4.2.5　少数データでの学習はどうするか？
　　4.3　本講演のまとめ

【受講料】

・お1人受講の場合　47,000円[税別]／1名
・1口でお申込の場合　57,000円[税別]／1口（3名まで受講可能）

　受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。