Pythonで学ぶ！ディープラーニングのしくみを理解するための数学入門

セミナー趣旨

　人工知能やディープラーニングという言葉が頻繁に使われ、多くの人が試そうとしています。
多くのライブラリやフレームワークも登場しており、試すだけならば難しくありません。
すでに作られたライブラリを使う場合、たった数行のソースコードを書くだけで実現できます。
ただ、このような方法で実装すると、処理の裏側がまったくわかりません。また、ディープラーニング
や機械学習に関する専門書を読もうとすると、大量の数式が登場します。しかも、その内容は
高校までの数学の範囲を超えており、文系で過ごしてきた人にはさっぱり理解できません。
そこで、ディープラーニングの実装に求められる範囲の数学に絞って、Pythonでの実装と
合わせて紹介します。

受講対象・レベル

・プログラミングはできるが、文系出身で数学を苦手に感じている方
・ディープラーニングについて興味があるが、書籍を読もうとすると
　数学がわからず理解できないと感じている方

必要な予備知識

プログラミング言語Pythonについての基礎知識
（条件分岐、ループなどを理解し、自分で簡単なプログラムを作れること）

習得できる知識

・ディープラーニングに必要な数学の範囲を知る
・数式をPythonのコードとして実装する
・必要に応じてPythonのライブラリを使用できる

★受講者特典
受講者には参考資料として、
講師著書『プログラマのための ディープラーニングのしくみがわかる数学入門』（ソシム）を進呈！
※10月31日(木)までにお申込み頂いた方には、事前に書籍をご郵送する予定です。
　それ以降にお申込み頂いた方は、当日会場にて書籍をお渡し致します。

セミナープログラム

1. プログラマのための数学の学び方
   1. 数学が求められる背景
   2. プログラマにとっての数学との付き合い方
   3. ディープラーニング以外への活用
   4. 継続して学ぶしくみづくり
   5. 学ぶ体制、開発環境の整備
2. ディープラーニングの概要
   1. 人工知能と機械学習
   2. ニューラルネットワークとは
   3. 誤差逆伝播の考え方
3. 数列と統計、確率
   1. 数列と漸化式
   2. 数列の和（シグマ記号)
   3. 平均、分散、標準偏差
   4. データの標準化
   5. データの分布
   6. 確率と確率分布
   7. 条件付き確率
   8. ベイズの定理
   9. 標本と推定
4. ベクトルと行列
   1. ベクトル
   2. 内積
   3. 行列
   4. 逆行列と連立方程式
5. 関数と微分
   1. 関数と最小値
   2. 微分と偏微分
   3. 勾配ベクトル
   4. 回帰分析
   5. 勾配降下法
6. ディープラーニングにおける学習
   1. 損失関数とは
   2. モデルの評価（交差検証)
   3. 過学習と未学習
   4. 畳み込みニューラルネットワーク
7. データの用意
   1. 必要なデータの形式と量
   2. 組織でのデータの調達と準備
   3. よく使われるデータと特徴
   4. 外部のデータの活用

セミナー講師

増井技術士事務所 代表　増井 敏克 先生

【略歴】
学生の頃はファジィ理論や遺伝的アルゴリズムの研究に従事。
セキュリティ企業にて社内システムの開発に従事した後、独立。
【専門】
ソフトウェア開発、情報セキュリティ、ビジネス数学

セミナー受講料

1名43,000円 + 税、(資料・昼食付)
　＊1社2名以上同時申込の場合、1名につき33,000円 + 税
　※消費税につきましては講習会開催日の税率にて課税致します。
　＊学校法人割引；学生、教員のご参加は受講料50％割引。