実務に使うための機械学習・ディープラーニング

★ 機械学習やディープラーニングを業務に取り入れたい方
★ 基礎知識をしっかりと学びたい方
★ 機械学習やディープラーニングの精度を高めるテクニックを知りたい方
★ どんな手法やフレームワークがあるのか・どれを使えばいいのか知りたい方

…などにお勧めのセミナーです！

講師

横浜国立大学 大学院環境情報研究院　講師　白川 真一 先生

■ ご略歴：
　2009年3月、横浜国立大学大学院環境情報学府修了、博士（工学）
　2009年4月～2010年3月、日本学術振興会特別研究員（PD）
　2010年4月～2012年3月、株式会社富士通研究所 研究員
　2012年4月～2013年3月、青山学院大学理工学部情報テクノロジー学科 助手
　2013年4月～2015年3月、青山学院大学理工学部情報テクノロジー学科 助教
　2015年4月～2016年4月、筑波大学システム情報系 助教
　2016年4月～現在、横浜国立大学大学院環境情報研究院 講師

■ 専門および得意な分野・研究：
　人工知能、知能情報処理、進化計算、機械学習、画像処理・認識

■ 本テーマ関連学協会での活動：
・電気学会 実社会システムの高度なAI化を目指した機械学習技術応用協同研究委員会
　幹事（2017年4月〜現在）
・計測自動制御学会 システム工学部会 幹事（2016年1月〜2017年12月）
・電気学会 大規模・複雑システムのモデリング・シミュレーション・最適化技術
　協同研究委員会 幹事（2014年10月〜2016年9月）

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

セミナーポイント

■ はじめに：
　知的な処理をコンピュータやロボットで実現しようとする「人工知能」は，現在第3次ブームを迎えているといわれています．それに伴って，「人工知能」，「機械学習」，「ディープラーニング」といったキーワードが新聞やテレビなどにも頻繁に登場するようになっています．
　本セミナーでは現代の人工知能を支える重要な技術である「機械学習」について基礎からじっくり解説します．セミナー後半では，実際の応用先として画像処理や画像認識を例に，どのように機械学習が応用できるかを説明します．
　本セミナーを通して，機械学習の考え方，どのような問題に適用できるのか，実際の問題に応用するためには何が必要なのか，などについて知識を身につけていただくことがねらいです．

■ ご講演中のキーワード：
人工知能、機械学習、ディープラーニング、最適化、画像処理、画像認識

■ 受講対象者：
・機械学習の基礎知識を習得したい方
・業務に機械学習が使えないか検討中の方
・機械学習やディープラーニングによる画像処理・画像認識の導入を検討している方

■ 必要な予備知識：
・高校卒業レベルの数学の知識

■ 本セミナーで習得できること：
・機械学習の考え方、基礎知識
・機械学習の典型的な手法とそれらの使い分け
・機械学習、ディープラーニングの画像処理・画像認識への応用方法

★ 過去、本セミナーを受講された方の声（一例）：
・白川先生の講義は非常にわかりやすく、且つ、レベルが高いところも触れてくださいました。
　資料もたくさんあって参考になり、いいと思います。
・実際に使うときの注意点があって参考になる。テキストのボリュームがあってよかった。
・概要を知ることができました。大変勉強となりました。
・SVMやK近傍法など今までよくわからなかったことが理解できるようになった。

セミナー内容

1. 機械学習入門
　1）機械学習と人工知能の関係
　2）機械学習のこころ（基本的な考え方）
　3）機械学習で実現できること
　4）機械学習の構成要素
　　・モデル，コスト関数，最適化

2.機械学習手法の分類
　1）教師あり学習
　2）教師なし学習
　3）強化学習

3.機械学習手法の例
　1） 線形回帰
　2） ロジスティック回帰
　3） サポートベクターマシン
　4） ニューラルネットワーク・ディープラーニング
　5） 決定木・ランダムフォレスト
　6） 最近傍法
　7） k-meansクラスタリング
　8） 行列分解法
　9） 主成分分析

4.機械学習の画像処理・画像認識への応用
　1）画像処理・画像認識の基礎
　　① 画像データについて
　　② 画像処理・画像認識の難しさ
　　③ 前処理・特徴抽出
　　④ 機械学習による画像認識
　2）ディープラーニングによる画像認識
　　① ニューラルネットワークの復習
　　② Convolutional Neural Network（畳み込みニューラルネットワーク）
　　③ ディープラーニングによる画像認識・物体検出の方法
　　④ ディープラーニングによる教師なし学習
　　⑤ ディープラーニングの性能を向上させるいくつかのテクニック
　　　・過学習を起こさないためには？
　　　・学習をうまく進めるには？
　　　・ネットワークの計算を早くするには？
　　　・事前に決定するパラメータやネットワーク構造を決めるには？
　　⑥ ディープラーニングのフレームワーク
　　　・Chainer
　　　・TensorFlow
　　　・Keras

5.機械学習を上手く応用するために
　1）対象問題の整理と定式化
　2）データの取得，前処理，特徴抽出　
　3）アルゴリズムの選択
　4）ハイパーパラメータの調整
　5）Pythonの機械学習ライブラリscikit-learnの紹介