機械学習と深層学習による時系列モデル入門

～ 深層学習における時系列モデルの基礎、深層学習の時系列への適用 ～

★ エンジニア向けの機械学習の基礎。時系列データから、時間とともに変化する事象を機械学習によってモデル化！
★ 深層学習における時系列モデルとして、再帰型ネットワーク、LSTM、注意型モデルについて解説します。

講師

岐阜大学 工学部　教授、 知能科学研究センター　センター長　速水 悟 氏

【専門】 メディア情報学、知能情報学

【経歴】
1981年　東京大学大学院工学系研究科修士課程修了。
同年　通商産業省工業技術院 電子技術総合研究所(現、国立研究開発法人産業技術総合研究所)。
1989年　カーネギーメロン大学 客員研究員。
1994年　フランス国立科学研究院 機械情報学研究所 客員研究員。
2002年　岐阜大学工学部 教授。
2017年4月より　工学部 知能科学研究センター センター長。

【所属学会】 情報処理学会、人工知能学会、電子情報通信学会、ACM、IEEE各会員

受講料

48,600円 ( S&T会員受講料 46,170円 )
(まだS&T会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

S&T会員なら、2名同時申込みで1名分無料
2名で48,600円 (2名ともS&T会員登録必須／1名あたり定価半額24,300円)

【1名分無料適用条件】
※2名様ともS&T会員登録が必須です。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、１名あたり定価半額で追加受講できます。
※受講券、請求書は、代表者に郵送いたします。
※請求書および領収証は1名様ごとに発行可能です。
　(申込みフォームの通信欄に「請求書１名ごと発行」と記入ください。)
※他の割引は併用できません。

趣旨

　本セミナーでは、エンジニア向けに機械学習と深層学習による時系列のモデル化を解説します。
　はじめに時系列データを分析し、時間とともに変化する事象を機械学習によってモデル化するための基本的な手法を解説します。つぎに深層学習における時系列モデルとして、再帰型ネットワーク、LSTM（長・短期記憶）、注意型モデルを解説します。また深層学習による時系列のモデル化について、最近の研究動向を解説します。

プログラム

＜得られる知識、技術＞
・時系列の分析と機械学習によるモデル化の基本的な枠組みが理解できます。
・深層学習における時系列モデルの基礎を学ぶことができます。
・深層学習の時系列への適用についての最近の動向を知ることができます。

＜プログラム＞
１．時系列解析の基礎
　1.1 周波数分析の役割
　1.2 短時間周波数分析とフレーム化処理
　1.3 時間と共に変化する事象を扱う際の留意点

２．機械学習による時系列のモデル化
　2.1 機械学習をどのように活用するか？
　2.2 回帰モデルを用いた予測
　2.3 線形予測モデルによる時系列解析
　2.4 時系列を対象とする識別モデルの作成方法
　2.5 機械学習による異常検知の時系列への適用

３．深層学習による時系列のモデル化
　3.1 順伝播型ニューラルネットワーク
　3.2 再帰型ニューラルネットワーク
　3.3 長・短期記憶（LSTM） とゲート付き再帰型モデル
　3.4 系列変換モデルによる時系列の変換
　3.5 注意型モデル（Attention）による対応付け
　3.6 深層学習の時系列への適用における留意点

４．深層学習による時系列モデルの最近の研究動向

 □ 質疑応答・名刺交換 □