【python実習付き】 ディープラーニング入門
開催日 |
10:30 ~ 17:00 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 | 【大田区】大田区産業プラザ(PiO) |
交通 | 【京急】京急蒲田駅 |
pythonを用いたディープラーニングの入門2日間セミナー
基本となるパーセプトロンからニューラルネットワーク、
ディープラーニングと順を追って解説。
★ 機械学習の一般論、ディープラーニングとその他機械学習との違い、CNNによる画像処理の基礎、強化学習の基礎などが身につきます!!
(※ PCは主催者で準備致します。)
日時
2018年11月26日(月) 10:30-17:00
2018年11月27日(火) 10:30-17:00 【2日間コース】
講師
株式会社すうがくぶんか 教務部 部長 内場 崇之 先生
■ 経歴
早稲田大学大学院基幹理工学研究科 数学/応用数理専攻 博士課程在学中
■ 専門および得意な分野・研究
代数幾何学, 統計学, 機械学習
受講料
1名69,120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58,320円
*学校法人割引;学生、教員のご参加は受講料1名38,340円(税込) となります。
セミナーポイント
<実習用PCに関するご注意>
セミナーで使用されるPCは主催者にて用意致します。お手持ちのPCをご希望される方はお問い合わせください。
※ 持ち込みによるお値引きはありません。
■ 講座のポイント
深層学習(ディープラーニング)は、機械学習のなかでもニューラルネットワークと呼ばれる手法の一つです。画像・音声・自然言語に関するベンチマークタスクにおいて、その他の機械学習手法を圧倒する高い性能を示したことで広く浸透しました。
ただし、深層学習が他の機械学習手法と明らかに異なる性能を示すまでには、
* 勾配消失問題
* 過剰適合
* 内部共変量シフト
* 非常に多いハイパーパラメータの理論的な解析
などなど深層学習が抱えてきた様々な問題に対する対処案が必要です。この講座ではこれらがなぜ深層学習のパフォーマンスにとって重要かを、ニューラルネットワークの基本となるパーセプトロンから始め、多層ニューラルネットワーク、そして深層学習と進むことで、理解してもらいます。
■ 受講後、習得できること
・機械学習の一般論
・深層学習と一般の機械学習の比較
・CNNによる画像処理の基礎
・強化学習の基礎知識
■ 受講対象
・機械学習、特に深層学習に興味がある方
・なんらかの言語でのプログラミング経験のある方(Pythonであるとさらに良い)
■ 講演中のキーワード
・深層学習
・Deep Learning
・ニューラルネット
・AI
・画像処理
セミナー内容
1.教師あり学習概論(90分)
1.1 AIと機械学習、深層学習
1.2 機械学習とその分類
1.3 教師あり学習とその統計学的解釈
1.4 損失関数と最尤推定
1.5 モデル評価と過剰適合・過少適合
1.6 Pythonによる演習:機械学習プログラミングの基本的な流れ
2.パーセプトロン(120分)
2.1 ニューロン
2.2 単純パーセプトロン
2.3 単純パーセプトロンの表現力
2.4 多層パーセプトロンとその表現力
2.5 パーセプトロンの学習と誤り訂正学習
3.ニューラルネットワーク(180分)
3.1 多層ニューラルネットワークのアーキテクチャ
3.2 万能近似定理と深層化の理由
3.3 表現学習:各層で何が行われているのか?
3.4 多層ニューラルネットワークの学習:勾配降下法と誤差逆伝播法
3.5 勾配消失問題とReLU
3.6 過剰適合に対する対処
3.7 Pythonによる演習:深層ニューラルネットワークによるMNISTタスクの実践
3.8 Pythonによる演習:深層ニューラルネットワークによるFashion-MNISTタスクの実践
4.畳み込みニューラルネットワーク(120分)
4.1 階層仮説
4.2 畳み込み層とフィルタ
4.3 プーリング層
4.4 畳み込みニューラルネットワークの順伝播の流れ
4.5 畳み込みニューラルネットワークの誤差逆伝播法
4.6 Pythonによる演習:畳み込みニューラルネットワークによるFashion-MNISTタスクの実践
5.深層強化学習入門(90分)
5.1 強化学習とはなにか
5.2 価値反復法とQ-学習
5.3 深層Q-学習
5.4 Pythonによる演習:CartPole-v0タスクによる強化学習の実践
<終了後、質疑応答>