以下の類似セミナーへのお申込みをご検討ください。
画像認識のためのディープラーニングとモデルの軽量化
AIプログラミングができない要素技術者自身で開発できる人工知能技術 ~深層学習とMTシステムの基礎・学習データ最小化・開発実務応用入門~【AI構築デモ付き(希望者にAI構築・計算方法Excel資料提供)】
小規模データに対する機械学習の効果的適用法
機械学習を用いた画像認識技術の基礎とその応用
深層学習と適応フィルタ:2つの概念の理解と使い分け
画像認識技術入門
ベイズ統計から学ぶ統計的機械学習
人工知能初めの第一歩のセミナー ~人工知能は電気羊の夢を見るか?~
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
開催日 |
11:00 ~ 16:30 締めきりました |
---|---|
主催者 | 株式会社トリケップス |
キーワード | AI(人工知能) 機械学習・ディープラーニング |
開催エリア | 東京都 |
開催場所 | オーム ビル(千代田区神田錦町) |
【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。