初めての 機械学習・ディープラーニング入門セミナー

注目の機械学習・ディープラーニングについて知りたい方・活用をお考えの方へ！
★機械学習・ディープラーニングの原理・仕組みなど基礎から学習！
★導入によりどのようなことが可能になる？向いてない局面とは？
★実際の実装方法やツールの使い方等についても学びます。

　昨今急速に応用が進む人工知能技術の中でも、機械学習・特にディープラーニング（Deep Learning：深層学習）への注目が高まっています。
　何故、これ程までにディープラーニングが注目されているのでしょうか？
　また、ディープラーニングを製品・サービス等に導入することで、新たにどのようなことが可能になるのでしょうか？逆に向いてない局面はどのような場合でしょうか？
　本セミナーでは、機械学習の全体的な枠組みや、さまざまな技術・手法及び、ディープラーニングについて、原理・仕組みなど基礎から学習していきます。
　特に重要となるニューラルネットワーク（CNN・RNN・DNN等）について、また導入・活用にあたり留意すべき点等について触れた後、実際の実装方法やツールの使い方等について学びます。
　尚、予備知識として前日（5月18日開催）の「人工知能入門」セミナーを受講することで、より理解が深まります。

○受講対象：
　・機械学習・及びディープラーニングの基礎知識（基本的な原理・仕組みなど）を学びたい方
　・機械学習・ディープラーニングでどのようなことができるのか？自社製品や業務に応用できるのかどうか、その可能性を探りたい方
　・最近話題の機械学習・ディープラーニングを具体的に導入してみたいとお考えの方
　・新規事業開発や製品ビジネス戦略、製品サービスの向上などをお考えの企業担当者
　・自社の製品・サービス等に、人工知能技術（特に機械学習・ディープラーニング）の活用を検討されている方
　など

○受講後、習得できること：
　・機械学習の全体的な枠組みや、さまざまな機械学習の技術・手法を把握できる
　・機械学習・及びディープラーニングの基本的な仕組み・特徴やその背景がわかる
　・ニューラルネットワーク（CNN・RNN・DNN等）の基本的な構成要素・構成方法や具体的な使い方
　・機械学習・ディープラーニングでできることや、実際の利用に際し必要な環境・条件、注意すべき点
　　（どのような局面であれば、有効に活用することができるのか？このような場合は向いていない等）
　　・機械学習・ディープラーニングの各種ツールとその特徴・使い方等について
　・各種手法の組み合わせ等、最新の手法を知ることができる
　など

5月18日　『初めての人工知能（AI）入門』とセットで受講が可能です。

●受講料
『機械学習・ディープラーニング入門（5月19日）』のみのお申込みの場合
　　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

『人工知能（AI）入門（5月18日）』と合わせてお申込みの場合
　　　（同じ会社の違う方でも可。※二日目の参加者を備考欄に記載下さい。）
　　　1名71,280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60,480円　⇒割引は全ての受講者が両日参加の場合に限ります

【講師】

立命館大学 情報理工学部　教授 博士（工学）　 谷口 忠大 先生

【セミナープログラム】

1. 機械学習とディープラーニングの背景
　A) ディープラーニングブーム
　B) 機械学習の基礎
　C) ディープラーニングはなぜ新しくないのか？
　D) 特徴量の生成とEnd-to-End
　E) ディープラーニングは何に使えるか？

2. ニューラルネットワークの基礎
　A) ニューラルネットワークとは何か？
　B) ニューラルネットワークの構造
　C) 誤差逆伝播法（バックプロパゲーション）
　D) 様々なニューラルネットワーク

3. ディープラーニングと画像認識
　A) 画像認識の基礎
　B) 特徴量と機械学習を用いた画像認識
　　① SIFT特徴量，SURF特徴量，ORB特徴量など
　　② サポートベクターマシン，ランダムフォレストなど
　C) 人間の視覚情報処理
　D) ネオコグニトロン
　E) Convolutional Neural Network (CNN)
　F) Caffeを用いたCNNの実行
　G) Deep Q-learningへの展開

4. ディープラーニングと音声認識
　A) 音声認識の基礎
　B) 特徴量と機械学習を用いた画像認識
　　① MFCCなど
　　② HMM（隠れマルコフモデル）など
　C) Deep Neural Networkを用いた音声認識
　D) マルチモーダル学習

5. ディープラーニングと自然言語処理
　A) 自然言語処理の基礎
　B) RNNとLSTM (Long short-term memory)
　C) ニューラルネットワークを用いた言語モデル
　D) End-to-End機械翻訳
　E) Image Description
　F) word2vec

6. これからのビジネスに機械学習とディープラーニングを活かせるか？
　A) ディープラーニングフレームワーク：Caffe
　B) ディープラーニングフレームワーク：Chainer
　C) 質疑応答と議論