機械学習による時系列のモデル化と深層学習の適用

　本セミナーでは、エンジニア向けに機械学習による時系列のモデル化の基本的な手法を説明します。また、時系列のモデル化への深層学習の利用として、再帰型ネットワーク、LSTM（長・短期記憶）、注意型ネットワークについて解説します。Pythonの機械学習への適用方法を説明し、フレームワークとして、TensorFlowと Kerasを使用した実装例を紹介します。

【講師】


速水　悟 (ハヤミズ サトル)　氏：岐阜大学　工学部　電気電子・情報工学科　情報コース教授（博士（工学）） 併任　大学院工学研究科教授　


【プログラム】


　1　機械学習による時系列のモデル化
　　1.1　異常検知と予測
　　1.2　回帰モデルを用いた予測
　　1.3　線形予測モデルによる時系列解析
　　1.4　隠れマルコフモデルによる状態遷移の推定

　2　深層学習による時系列のモデル化
　　2.1　順伝播型ネットワーク
　　2.2　誤差逆伝播法によるパラメータ推定
　　2.3　畳込みネット（CNN）による画像の識別
　　2.4　再帰型ネット（RNN）による時系列の予測
　　2.5　長・短期記憶（LSTM）におけるゲートの役割
　　2.6　注意型ネット（Attention）による変換（翻訳）
　　2.7　コネクショニスト時系列分類法（CTC）
　　2.8　時系列のモデル化におけるend-to-end アプローチ

　3　時系列モデルへの深層学習の適用
　　3.1　深層学習の組み合わせによる読唇
　　3.2　深層学習の混合音解析への適用

　4　Pythonによる実装
　　4.1　Pythonの解説と回帰モデルの実装
　　4.2　フレームワークとしてのTensorFlowとKeras
　　4.3　フレームワークによる再帰型ネットワークの実装


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。　　 　　　

このセミナーについて質問する

※セミナーに申し込むにはものづくりドットコム会員登録が必要です

開催日時


10:30 ～

受講料

50,760円（税込）/人

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込

関連記事

もっと見る