ディープラーニングの基礎とニューラルネットワークの学習および画像認識活用事例

DeepLearning（ディープラーニング）を、基礎から応用事例まで解説！

ニューラルネットワークとの関係から最新の手法までを網羅的に解説

応用事例では、アプリケーション例を幅広く、最新ツールも解説します

セミナー講師

中部大学 工学部 情報工学科　准教授　山下 隆義 氏

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。

セミナー趣旨

　本セミナーでは最近注目されているDeepLearning（ディープラーニング）について、基礎的なところから応用事例まで紹介します。
　基礎的なところでは、ニューラルネットワークとの関係から最新の手法までを網羅的に紹介します。 応用事例では、アプリケーション例を幅広く紹介するとともに、最新のツールを紹介します。

セミナー講演内容

＜得られる知識、技術＞
　画像処理、機械学習など

＜プログラム＞
１．ディープラーニングの現在
　1.1 ディープラーニングでできること

２．ディープラーニングとは？
　2.1 ディープラーニング関連手法の大別
　2.2 何がディープラーニング？
　2.3 注目されるきっかけ
　2.4 ディープラーニング界隈の動向

３．ニューラルネットワーク
　3.1 パーセプトロン
　3.2 誤り訂正学習
　3.3 誤差逆伝播法
　3.4 確率的勾配降下法

４．畳み込みニューラルネットワーク
　4.1 畳み込みニューラルネットワークの構造
　4.2 畳み込みニューラルネットワークの学習
　4.3 汎化性能を向上させる方法
　4.4 バッチ学習とバッチ正規化

５．リカレントニューラルネットワーク
　5.1 RNNとは
　5.2 RNNの順伝播
　5.3 RNNの逆伝播
　5.4 LSTMユニット

６．生成モデル
　6.1 オートエンコーダ
　6.2 Generative Adversarial Network （GAN）

７．ディープラーニングのフレームワーク
　7.1 フレームワークの紹介
　7.2 Caffe
　7.3 Chainer
　7.4 TensorFlow

 □ 質疑応答・名刺交換 □