機械学習及びディープラーニングの基礎と実践【オンライン対応】

セミナー趣旨

機械学習・ディープラーニングを行う前のデータ処理の基本から、基礎と実践までを網羅し、また、このセミナー後、習得した知識をどのように活用するかまで、わかりやすく講義します。AIに興味はあっても、どこから勉強してよいかわからない方の受講も、大歓迎です。是非ご受講下さい！

受講対象・レベル

・データ分析，システム，ソフト関連企業の方，
・機械学習，ディープラーニングを仕事に活かしたいと思っている方

習得できる知識

データ処理の基本（理論と実践）機械学習/ディープラーニングの基本（理論と実践）

セミナープログラム

１．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

1）データの定義

2）扱うデータの特性を把握する

　a) 時間軸/場所の考慮

　b) データを発生させるもの

3）データの前処理

　a) データの抜け，異常値への対応

　b) データの量を調整する（増やす/減らす）

　c) データの次元を削減する

4）ディープラーニングの精度を上げるためにどのようなデータを用意するか？

　a) 必要となるデータの量

　b) データクレジング

　c) フレームワークでの処理

5）サンプルデータの説明

　a) デモで使用するサンプルデータの説明

２．対象物を数値情報へ変換する

1）画像を数値情報へ変換する

2）言語を数値情報へ変換する

3）音を数値情報へ変換する

4）状態を数値情報へ変換する

３．機械学習の基礎と実践

1）機械学習の基本

　a) データがモデルをつくる

　b) 学習結果をどう受け取るべきか

2）学習の種類

　a) 教師あり学習の基本

　b) 教師なし学習の基本

　c) 強化学習の基本

3）結果の分類

　a) 回帰

　b) クラス分類

4）Windowsで機械学習環境をオープンソースにて構築

　a) 使用可能なオープンソース一覧

　b) Pythonの設定（Windows7端末の例）

5）サンプルデータを機械学習で処理

　a) 何を導き出したいか？の定義

　b) 使用できるモデルは？

　c) Pythonを実行し結果を得る

6）機械学習のプログラム解説

４．ディープラーニングの基礎と実践

1）機械学習とディープラーニングの違いは？

　a) ニューラルネットワークとは

　b) 生じた誤差の吸収

　c) 特微量の抽出／学習の方法

2）ディープラーニングを分類し，その特徴を把握する

　a) 畳み込みニューラルネットワーク CNN（Convolutional Neural Network）

　b) 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)

　c) 強化学習 (Deep Q-learning)

3）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

　a) TensorFlow

　b) Chainer

4）サンプルデータをディープラーニングで処理

　a) TensorFlowで動かし結果を得る

　b) Chainerで動かし結果を得る

5）ディープラーニングのプログラム解説

　a) TensorFlowの解説

　b) Chainerの解説

6) 解析結果の考察とチューニング

　a) TensorFlow

　b) Chainer

7) 精度を上げるためにいかにパラメータを最適化するか？

8) 過学習の判断基準

9) 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

1）twitter/ブログを通じた情報の収集

2）より高速な環境を求める場合

◎　質疑応答

セミナー講師

太田 桂吾 氏
(株)ネクステージ　AIアナリスト
【講師紹介】
1990年 3月 岡山大学　文学部卒業 同年 4月 応用技術株式会社　入社
多くのWEBシステム構築に携わる 近年はデータマイニング技術の応用に携わる
一般企業向けの機械学習・ディープラーニングセミナー開催　多数
資格：ネットワークスペシャリスト

セミナー受講料

43,000円（消費税込・テキスト代を含みます）