■AI活用人材育成講座■『機械学習（ディープラーニング）の基礎・活用・実践<全3回>』

セミナー趣旨

【第1回目】
　機械学習の初めの一歩として、概要、様々な情報のデータ化の実際、そしてPythonプログラムの基礎を学習します。
　Pythonプログラムを実際に動かすことで、データ化の実際、機械学習はどのように動作しているのかを確認でき、理解が容易になります。
　なお、無償のGoogle Colaboratoryを使用することで、実際に動きを確かめながら、学習することが可能です。

【第2回目】
　AIの基礎となるディープラーニングの基本を学習します。
　ディープラーニングの中の様々の手法を確認することで、データからの特徴抽出のための考え方が身に付きます。
　また、後半は機械学習プロジェクトの進め方を学習します。
　実際のプロジェクトを進める上での課題（特徴量エンジニアリングはどうする、データ量が少ない、ハイパーパラメータの決定）などへの対処方法を学習します。
　なお、無償のGoogle Colaboratoryを使用することで、実際に動きを確かめながら、学習することが可能です。

【第3回目】
　様々な課題に対する機械学習（ディープラーニング）の活用方法を学習します。
　画像分類、時系列分析、異常検知等の例を解説し、実際の動きを確認します。
　また最後に生成系AIの解説も行い、その概要、業務課題への適用（LLMの転移学習等）を検討します。
　なお、無償のGoogle Colaboratoryを使用することで、実際に動きを確かめながら、学習することが可能です。

＜特典＞
・当日の講座を復習できる見逃し配信付（※視聴期間は1週間予定）
・サンプルプログラムの提供あり
・セミナー終了後でもメール等による講師への直接質問可能

受講対象・レベル

AIを活用したい、AIを使いこなせる人材を育成したいなど、AI活用に向けた基本知識から実践方法を段階的に解説していきます。

必要な予備知識

特に予備知識は必要ありません。基本から解説いたします。

習得できる知識

・プログラム：pythonの基本の習得
・機械学習：基本の習得と実践できる環境の構築
・深層学習（画像分類、物体検出、自然言語処理）がひととおり自分で試せるようになる

セミナープログラム

＜第1回＞『Python基礎と機械学習基礎』
開催日：6月10日(月)10:00-17:00

１．機械学習とは
　1-1　概要
　1-2　学習方法による分類
　1-3　活用する箇所

２．機械学習のためのデータ準備
　2-1　データとは
　2-2　画像・言語、音のデータ化

３．python基礎
　3-1　環境構築
　　(1) PCでの環境構築
　　(2) クラウドの環境利用（Google Colab）
　3-2　文法基礎
　3-3　ライブラリの活用
　3-4　フレームワークの活用

４．機械学習を試す
　4-1　機械学習のサンプル1(数値データ解析)
　4-2　機械学習のサンプル1(画像データ分類)

　【質疑応答】

＜第2回＞『ディープラーニングと機械学習プロジェクトの進め方』
開催日：7月8日(月)10:00-17:00

１．ディープラーニングの基礎
　1-1　機械学習とディープラーニングの違いは？
　　(1) ディープニューラルネットワークとは
　　(2) 把握すべきディープニューラルネットワークの特性
　1-2　ディープラーニングを分類し、その特徴を把握する
　　(1) 畳み込みニューラルネットワーク CNN（Convolutional Neural Network）
　　(2) 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
　　(3) 強化学習 (Deep Q-learning)
　　(4) その他の手法

２．機械学習プロジェクト進め方
　2-1　データ準備
　2-2　一般的なデータ前処理
　2-3　特徴量エンジニアリング
　2-4　手法の定義
　2-5　パラメータ調整
　　(1) ハイパーパラメータとは
　　(2) ハイパーパラメータの自動調整（optunaの活用）
　2-6　データ量に関する考察
　2-7　基盤モデルと転移学習

　【質疑応答】

＜第3回＞『機械学習 実践編～分類,時系列解析,異常検知,生成AI～』
開催日：8月5日(月)10:00-17:00

１．画像分類/物体検出
　1-1　画像での特徴量エンジニアリング
　1-2　分類モデル
　1-3　物体検出
　1-4　サンプルデータを使用した物体検出

２．時系列データ解析
　2-1　時系列データの定義
　2-2　自己相関と変動
　2-3　ARIMAモデル
　2-4　RNNモデル
　2-5　サンプルデータを使用した時系列予測

３．異常検知への応用
　3-1　異常検知の基本
　3-2　AutoEncoder　
　3-3　RNN＋AutoEncoder
　3-4　サンプルデータを使用した異常検知

４．生成AI
　4-1　生成AIの基本
　4-2　著作権の注意
　4-3　Transeformer
　4-4　Diffusion model（拡散モデル）
　4-5　サンプルデータを使用したLLMの転移学習

　【質疑応答】

キーワード：
AI人材,AI活用,AIスキル,深層学習,機械学習,セミナー

セミナー講師

(株)LINK.A 代表 ／ (株)ネクステージ 開発部 AIアナリスト　太田 桂吾 氏

【ご専門】システムエンジニア、機械学習

セミナー受講料

165,000円（税込、資料付）
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合148,500円、
　 2名同時申込の場合計165,000円（2人目無料：1名あたり82,500円）で受講できます。
（セミナーのお申し込みと同時に会員登録をさせていただきますので、
　  今回の受講料から会員価格を適用いたします。）
※ 会員登録とは
　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
　 すべて無料で年会費・更新料・登録費は一切かかりません。
　 メールまたは郵送でのご案内となります。
　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2. セミナー前日までに必ず動作確認をお願いします。
3. 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

• セミナー資料は開催前日までにお送りいたします。
  ご自宅への送付を希望の方はコメント欄にご住所などをご記入ください。
  開催まで4営業日～前日にお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますことご了承下さい。
• 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。