<いちばんやさしい>ディープラーニング(演習つきセミナー)〜実務運用のための基礎力を養う〜
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | 株式会社 情報機構 |
キーワード | 機械学習・ディープラーニング AI(人工知能) |
開催エリア | 東京都 |
開催場所 | 【品川区】きゅりあん |
交通 | 【JR・東急・りんかい線】大井町駅 |
まずディープラーニングの基本的概念を学び、
さらに実習形式で説明します!
【演習付き】
セミナー講師
徳島大学 大学院理工学研究部/情報センター 助教 博士(工学) 谷岡 広樹 先生
【略歴】
1997. 4. 株式会社ジャストシステム:主に機械学習・情報検索製品の研究開発に従事
2011. 3. 古河インフォメーション・テクノロジー株式会社:研究部門長を担当
2014. 9. 株式会社ワークスアプリケーションズ:AI関連製品の開発に従事
2016. 4. 徳島大学 助教, 大学院理工学研究部
2016. 4. 徳島大学 助教, 情報センター
2017. 2. 認定ワークショップデザイナー資格
セミナー受講料
1名47,300円(税込(消費税10%)、資料・昼食付)
*1社2名以上同時申込の場合、1名につき36,300円
*学校法人割引;学生、教員のご参加は受講料50%割引。
※ご連絡
当セミナーの会場では、現金による受講料支払いを休止させていただくこととなりました。
現金にてお支払い希望の方は、コンビニエンスストアにてお支払いできる用紙をご送付申し上げますので、お近くの店舗にてお支払い頂けましたら幸いです。尚、領収証をご希望の方は、コンビニ支払い時に発行される振込受領書と引き換えにて発行させて頂きます。
セミナー趣旨
まず、ディープラーニングの基本的な概念を理解するための講義を行います。次に、講義の中で紹介する概念知識をどのようにプログラミングするかについて、Google Colaboratory を用いて実習形式で説明していきます。サンプルプログラムを実行することで、ディープラーニングを使った画像の分類プログラムを体験します。最後に、学習や判定の出力内容について詳しく説明し、実務での応用につなげます。特に実習の際には、初級者の方に陥りがちな「今何をしているのか分からない」という状況に配慮して、丁寧に説明しつつ進めます。
また個別の質問についても時間の許す限り応対するようにします。
■実習PCについて
ノートPCをご持参ください。事前に以下のインストール・設定をお願い致します。
・インターネットブラウザ:Google Chromeの最新版を推奨
JavaScriptおよびCookieが利用可能な状態にしておいてください。
Google Colaboratory を利用予定です。
ご所属企業・団体のPCをご利用の場合、セキュリティ上、上記のインストールや設定の許可を得られないケースもあるかと存じます。そういった場合は、お申込み時に、備考欄に『PC貸出希望』とご記入ください。
7,700円(税込)にて貸出いたします。
※PCの貸出は原則として1週間前までにお申し出ください。
※PC貸出代には、学校法人割引は適用されません。
受講対象・レベル
・ディープラーニングを基礎から学び、自身の業務への適用を検討している方
・AI・人工知能について学習・調査を進めている方
・自分なりに独学しはじめたもののとらえどころが分からない方、自分の業務との関連の中で素朴な疑問に出くわし始めた方 など
習得できる知識
・ディープラーニングの基本体系、考え方
・ディープラーニングを用いたプログラムの作り方
・ディープラーニングの実運用方法(演習をまじえて) など
*Python、Jupyter Notebook、TensorFlow を扱います。
セミナープログラム
1 改めて問う、なぜいまディープラーニングか?
1.1 人工知能と機械学習
1.1.1 人工知能とはなにか?
1.1.2 弱い人工知能
1.1.3 強い人工知能
1.2 機械学習とディープラーニング
1.2.1 機械学習とはなにか?
1.2.2 様々な機械学習
1.2.3 ディープラーニングの登場
2 ディープラーニングプログラミングのためのツール
2.1 Python入門
2.1.1 Pythonとはなにか?
2.1.2 Pythonでできること
2.1.3 Pythonプログラミング
2.2 Jupyter Notebook入門
2.2.1 Jupyter Notebookとはなにか?
2.2.2 Jupyter Notebookでできること
2.2.3 Jupyter Notebookでプログラミング
3 ニューラルネットワークとディープラーニングの基礎
3.1 ニューラルネットワーク入門
3.1.1 ニューラルネットワークとはなにか?
3.1.2 人工ニューロンの数理モデル
3.1.3 人工ニューロンの学習アルゴリズム
3.1.4 ニューラルネットワークの学習則
3.1.5 バックプロパゲーション
3.1.6 ニューラルネットワークの課題1
3.1.7 ニューラルネットワークの課題2
3.2 ディープラーニング入門
3.2.1 ディープラーニングとはなにか?
3.2.2 多層ニューラルネットワーク
4 ディープラーニングの応用
4.1 入力データを用意する
4.1.1 画像データを準備する
4.1.2 画像データを学習用と判定用に分ける
4.2 ネットワークを設計する
4.2.1 基本的なCNNを用いる
4.2.2 VGGを用いて転移学習する
4.3 ディープラーニングで学習する
4.3.1 クロスバリデーション
4.3.1 バッチとは?エポックとは?
4.4 ディープラーニングで識別する
4.5 出力結果を分析する
4.5.1 エラー率とは?精度とは?
<質疑応答・名刺交換・個別相談>
▼過去の受講者からの反響(毎回好評です!)
「講義時間にも適当で、またQ&Aの時間もしっかりあって、良く理解できました」(営業)
「新任のため不得手としているのですが、今回の講義でだいぶ意味が分かるようになりました」(基盤技術開発)
「丁寧なご説明、ありがとうございました」(生産技術開発)