フレームワークによる機械学習及びディープラーニングの基礎と実践

【講師】

　太田桂吾（おおたけいご）氏：応用技術株式会社　ソリューション本部　主査

【プログラム】

　1　機械学習とディープラーニング

　　1.1　機械学習の基本
　　　＊データがモデルをつくる
　　1.2　学習の種類
　　　＊教師あり学習の基本
　　　＊教師なし学習の基本
　　　＊強化学習の基本
　　1.3　ディープラーニング
　　　＊概要

　2　事象を数値へ変換する

　　2.1　画像を数値情報へ変換する
　　2.2　言語を数値情報へ変換する
　　2.3　音を数値情報へ変換する
　　2.4　状態を数値情報へ変換する

　3　機械学習／ディープラーニングを行う際に必要なデータ処理の基本

　　3.1　データ前処理の方法

　4　ディープラーニングの基礎と実践

　　4.1　ディープラーニングの種類
　　　＊畳み込みニューラルネットワーク：CNN（Convolutional Neural Network）
　　　＊再帰型ニューラルネットワーク：RNN（Recurrent Neural Network）
　　　＊強化学習（Deep Q-learning）
　　4.2　Windowsでディープラーニング環境をオープンソースのフレームワークにて構築
　　　＊Chainer
　　4.3　画像分類
　　　＊Chainerで動かし結果を得る
　　4.4　音による異常検知（AutoEncoder使用）
　　　＊Chainerでサンプルプログラムを動かします
　　4.5　強化学習
　　　＊Chainerでサンプルプログラムを動かします
　　4.6　過学習の判断
　　4.7　その他、実践にあたり注意すべきこと

　5　このセミナーだけで終わらせないために

　　5.1　twitter/ブログを通じた情報の収集
　　5.2　より高速な環境を求める場合