以下の類似セミナーへのお申込みをご検討ください。
【超入門セミナー】
★機械学習・ディープラーニングを使う・実装するにあたり、仕組み・違い・応用の仕方が理解できます!
★とにかく、わかりやすく説明します!
★受講者全員が100%理解の上、セミナーを終えられるよう努力します!
日時
2017年11月27日(月) 11:00-17:00
2017年11月28日(火) 9:30-15:30 【2日間コース】
講師
大人のための数学教室 和(なごみ) 統計講師 坂本 昌夫 先生
【講師紹介】
■主経歴等
中央大学理工学部数学科卒業。証券会社にて金融工学を用いた新商品開発、日本アイ・ビー・エム株式会社にて大手銀行向け情報システムのプロジェクトマネージャーを経て、現在は大人のための数学 和(なごみ)専任講師。
日々各業界・職種の課題を数学と統計学を用いて解決しながら、統計学の講演会や統計講座も多数行っている。個別指導ではとくに医師、看護師、製薬メーカー社員、医学部教授等、医療系のお客様を多数担当しながら生物統計の基礎から医療論文の執筆作成までを日々指導している。
■担当授業領域
小学校算数~高校数学、大学数学(解析、幾何、代数)
統計学・多変量解析・業務データ分析 及び 研究論文サポート
大人のための少人数制数学教室 和:「統計超入門講座」「医療統計基礎講座」等担当
■大人のための数学教室 和(なごみ)(運営会社:和から株式会社)について
渋谷(本社)・新橋・大阪で社会人向けに 数学・統計・物理学 の個別指導教室を運営しています。社会人が業務、研究、開発あるいは趣味で必要な数学を網羅的に扱いながら、数学から離れた大人が数学的知識と技術を実務の中で役立てる方法を日々確立して参りました。
本セミナーは「大人のための数学教室 和(なごみ)」が贈る「超」入門セミナーです。
受講料
1名61,560円(税込(消費税8%)、資料・昼食付)
*1社2名以上同時申込の場合 、1名につき50,760円
*学校法人割引 ;学生、教員のご参加は受講料50%割引。
セミナーポイント
■このようなセミナーです
現在ではメディアで取り上げられない日がないほど、機械学習・Deep Learning・AI等のデータ活用テクノロジーに関する期待が大きくなっています。
企業の開発投資が増えているのはもちろん、個人の立場でもこれらのテクノロジーを利用したアプリや機械に接する場面が増えたことを実感されている方が多いのではないでしょうか。
ところが、未来期待されるAI等テクノロジーについて一般書を少しでも超えたテキストを開くと、そこでは微積分や行列(線形代数)、確率統計等、大学程度の数学知識が要求されます。
本セミナーでは、初等的な数学知識の復習からはじめ、機械学習・Deep Learning等の「数理ロジック部分」を「しっかり理解する」ことを目指します。難解に感じられる数学記号や数学概念も、基礎から段階をふんで進んでいけば「見た目よりずっと簡単」なことがほとんどです。
テクノロジーを応用する観点からは一見遠回りに感じられる数理ロジックですが、実務的な応用を射程にいれるならば(たとえ分析には直接携わらないマネージャーやディレクターの立場であっても)ロジックの肝を理解することは欠かせません。
教科書通りにはいかない「現実」のモデリングを行う文脈では「ロジックをしっかり理解した状態」と「何となくソフトウェアは使える状態」の差は大きく出ます。
またソフトウェアユーザーであっても、ソフトウェアの良さを正しく見抜く視点としてロジックの理解は必須です。
基礎から、但し正面からごまかすことなく、最先端テクノロジーの数理ロジックを追いかけましょう!
■講演ポイント
統計学・機械学習・深層学習についての初級者が対象となります。統計学や機械学習の一般書は読んでいるが全体観や勘所がおさえられていないと感じている方、「なんとなく」言葉や雰囲気は分かっているものの数理ロジックが分からず「使う」「実装する」に結び付かない方、業務上急場でこれらのロジックを身につけなければならない方等、幅広く対象としています。
受講者全員が100%理解した状態でセミナーを終えられるよう統計学の基礎概念から講義をはじめます。
「数学は苦手で…」という方もご安心ください。「応用に向けた最適な第一歩」を目指したセミナーですので、本質的・直観的イメージに重きを置いて説明します。最低限必要な数学についても中学数学以上の内容については全て講座内で説明致しますのでご安心ください。
大人向けの数学個別指導教室だからこそ「数学が苦手でも分かりたい」というご要望にお応えします。
■受講後、習得できること
・統計学の基礎概念
・機械学習、深層学習にできることとできないことの内容と線引き
・学習を進めるのに必要な数学的基礎
セミナー内容
(1日目 11:00-17:00)
1.機械学習とは
1.1 様々な機械学習タスク
1.2 「最適化」という発想
1.3 必要な数学基礎
2.予測モデル
2.1 相関と回帰
2.2 線形回帰モデル
2.3 その他の予測モデル
3.ベイズ統計学と階層ベイズモデル
3.1 ベイズ統計学とは、何が画期的だったか
3.2 階層ベイズモデル
(2日目 09:30-15:30)
4.1日目の復習
5.ニューラル・ネットワーク
5.1 深層学習とは
5.2 ニューラル・ネットワーク入門
5.3 多層パーセプトロンと誤差逆伝播法
5.4 オートエンコーダー
6.深層学習
6.1 ニューラル・ネットワークの様々なモデルと応用
6.2 まとめ
7.質疑応答
※講義は全体を通してPower Pointスライド及びホワイトボードへの板書で行います。
講義資料は Power Point スライドのコピーが主となりますが、必要に応じて演習プリントを配布致します。
※順序・構成は変更の可能性がございます。
関連セミナー
もっと見る関連教材
もっと見る関連記事
もっと見る-
情報の関係性を意識した話し方とは、学習効果を最大化する伝え方
【目次】 1. 学習効果を最大化する伝え方 とにかくつまらない。 話がダラダラ続く。 テキストに書いてあることを読み続ける... -
リフレーミングとは、メンタルモデルを変え、新しい視点や理解を生む
清掃でメンタルモデルを変えると、職場清掃が意識改革と生産性向上をもたらします。清掃時間を通じたリフレーミングと、メンタルモデル変革を目... -
生成AI、工場でどこまで使えるのか(その3)生成AIの能力比較
近い将来、対話型AIが現行の検索エンジンにとって代わる可能性が指摘されていますが、今回は、連載解説(その3)生成AIの能力比較。を解説... -
生成AI、工場でどこまで使えるのか(その2)生成AIの回答を検証する
近い将来、対話型AIが現行の検索エンジンにとって代わる可能性が指摘されていますが、今回は、連載解説(その2)生成AIの回答を検証するを...