Pythonによるディープラーニング

〜 AIの基礎から応用・実用事例まで 〜

★ ディープラーニングを、シェア拡大中のPythonを用いて1日で詳解！

・第1、2部では概要から精度向上へのアプローチ、そして実際のPythonコードと実行方法、注意点などの基礎。

・第3部では、異常検知、物体検出、リカレントネットワーク、強化学習などの注目の応用例と講師らが開発した実用例。

をわかりやすく解説します。

講師

株式会社システム計画研究所　事業本部　技術統括・戦略開発室長　鶴 英雄 先生

■ご略歴：
　1992年4月株式会社システム計画研究所の入社。公共システム、ネットワークシステム、情報セキュリティシステム、各種システム基盤の設計・開発に従事。通信・制御・宇宙システム開発事業の統括兼AI事業推進を経て、2016年11月より現職。
 ・ネットワークスペシャリスト
 ・テクニカルエンジニア（情報セキュリティ）

■ご専門および得意な分野・研究：
 ・機械学習及びAIに関するコンサルティング／システム設計／開発
 ・情報システムの基本設計／アーキテクチャ設計／開発
 ・ネットワーク、情報セキュリティに関するコンサルティング／設計／開発

■本テーマ関連学協会でのご活動：
・講演
　一般社団法人　人工知能ビジネス創出協会 第5回ビジネス専門セミナー
　「Pythonによる機械学習入門」

　埼玉大学 2016年度後期「数理電子情報特論1」
　「AI開発の現場から ～ソフトウェア開発会社からみたAI事情～」

・書籍
　「Pythonによる機械学習入門」（オーム社/2016.11）

受講料

1名46,440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35,640円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナー開催にあたって

■はじめに：
　現在大きく注目を集めているAI、なかでもディープラーニングはその中核を成しています。ディープラーニングをはじめとする機械学習手法は従来のシステム開発とは異なる考えと注意点があります。
　本講ではAI・ディープラーニング・機械学習の概要と活用にあたって必要となる基礎知識を学びます。精度向上へのプロセスやPythonによるディープラーニングの実現コードについても説明してきます。更に応用事例として異常検知や物体検出等を、実用事例として当社のAI外観検査ソフトウェアgLupeや画像セグメンテーションツールの実演を通してディープラーニングの最新の話題を取り上げていきます。

■受講対象者：
 ・ディープラーニング・AI・機械学習を理解したい方
 ・ディープラーニング・AI・機械学習を業務で利用しようとしている方
 ・Pythonによるディープラーニングを基礎から学んでみたい方
 ・その他、ディープラーニング・AI・機械学習に興味のある方

■必要な予備知識：
　この分野に興味のある方なら、特に必要はありません。
但し、Pythonによるコード例を説明しますので、何がしかコンピュータ言語を触ったことがある方が理解しやすいかと思います。

■本セミナーで習得できること（一例）：
 ・ディープラーニング・AI・機械学習の全般的に知識
 ・ディープラーニングのプログラミングコードと実行方法
 ・AI・機械学習を実施する上での注意点や性能指標の読み方
 ・ディープラーニングの概要と最近の話題
 ・異常検知の考え方とディープラーニングの適用

プログラム

【第１部　概要編】
　概要編ではディープラーニング・AI・機械学習の概念から歴史・学習則まで様々な側面について解説します。

１．ディープラーニング・AI・機械学習
　ディープラーニング・AI・機械学習の関係を説明し、それぞれの概念と様々な側面を説明していきます。

　1.1. ディープラーニング・AI・機械学習
　1.2. AI/機械学習をとりまく環境
　1.3. 関連分野
　1.4. 学習法による分類
　　−教師あり学習、教師なし学習、強化学習

２．AI/機械学習のアプローチ
　AI/機械学習にどうアプローチするかを説明します。

　2.1. 開発スタイル
　2.2. 適用における留意点
　2.3. 開発環境

３．ディープラーニング
　ディープラーニングに焦点をあて、歴史・学習則・ソフトウェア等さまざまな側面を説明します。

　3.1. ディープラーニングの歴史
　3.2. ディープラーニングの学習則
　3.3. ディープラーニングのソフトウェア
　3.4. ディープラーニングの取り組み方

 
【第２部　基礎編】
　基礎編ではAI/機械学習における基本的な問題である分類問題を取り上げ、問題を解きながら手法を解説していきます。また、データの取り扱い方や性能計測の方法等AI・機械学習を活用するにあたって必須となる基礎的概念を学びます。さらに画像による手形状分類を取り上げ、精度向上の取り組み方を説明します。分類を実現するディープラーニングのコードについても解説します。

４．分類問題
　AI/機械学習の典型的な問題として分類問題を取り上げ説明します。学習データとテストデータをどのように切り分けるか、性能指標をどのように読み取るかについても説明します。

　4.1. 分類問題とは
　4.2. 最初の分類器
　4.3. 学習データとテストデータ
　　−ホールドアウトと交差検証
　4.4. 分類器の性能を評価しよう
　　−正答率・適合率・再現率・F値

５．画像による手形状分類
　手形状画像の分類問題を通じて、分類問題においてどのように精度をあげるかを説明していきます。

　5.1. 課題の設定
　5.2. 最初の学習
　5.3. 汎化性能を求めて
　　−データを増やす、データの精査、特徴量の導入、パラメータチューニング

６．ディープラーニングによる手形状分類
　ディープラーニングによる手形状分類がどのようなものになるかコードになるかをディープラニングソフトウェアであるKerasでの実現例をもとに説明していきます。

 
【第３部　応用編】
　ディープラーニングの応用例・実用例を説明していきます。

７．異常検知
　ディープラーニングは異常検知の分野でも応用が期待されています。異常検知とはどのようなものかを説明し、従来手法とディープラーニングによるアプローチを説明します。

８．トピックス
　ディープラーニングの応用例をトピック的に取り上げます

　・物体検出
　・リカレントネットワーク
　・生成モデル
　・強化学習

９．実用例
　当社システム計画研究所ではディープラーニングを応用した製品を発売しております。ここではAI外観検査ソフトウェアgLupe（ジールーペ）と画像セグメンテーションツールを実演し、ディープラーニングの可能性について説明します。

＜質疑応答・個別質問・名刺交換＞

■ご講演中のキーワード：
　ディープラーニング、AI、機械学習、Python、異常検知