ディープラーニングの基礎と応用事例解説

 機械学習、ディープラーニングの概要を解説します。また、サンプルプログラムを解説しながら、実際のデータをどう扱うかも解説します。

 サンプルは、【画像分類(CNNによる分類)】、【音による異常検知(正常時の音からモデルを作成し、音の変化で異常発生を検知します)】、【強化学習】を用意します。

【講師】


太田桂吾(おおたけいご)氏:株式会社ネクステージ AIアナリスト


【プログラム】


 1 機械学習とディープラーニング 


    1.1 機械学習の基本
   1.1.1 データがモデルをつくる
  1.2 学習の種類
   1.2.1 教師あり学習の基本
   1.2.2 教師なし学習の基本
   1.2.3 強化学習の基本
  1.3 ディープラーニング
   1.3.1 概要


 2 事象を数値へ変換する


  2.1 画像を数値情報へ変換する
  2.2 言語を数値情報へ変換する
  2.3 音を数値情報へ変換する
  2.4 状態を数値情報へ変換する


 3 機械学習/ディープラーニングを行う際に必要なデータ処理の基本


  3.1 データ前処理の方法


 4 ディープラーニングの基礎


  4.1 ディープラーニングの種類
   4.1.1 畳み込みニューラルネットワーク CNN(Convolutional Neural Network)
   4.1.2 再帰型ニューラルネットワーク RNN(Recurrent Neural Network)
   4.1.3 強化学習(Deep Q-learning)
  4.2 Windowsでディープラーニング環境をオープンソースのフレームワークにて構築する方法


 5 データごとの応用事例


  5.1 画像データを利用した応用事例
   5.1.1 画像を分類する
   5.1.2 画像から物体を検出する
   5.1.3 その他 応用事例各種
  5.2 音データを利用した応用事例
   5.2.1 音データの解析のポイント
   5.2.2 音データの分類
   5.2.3 音データからの異常検知
   5.2.4 その他 応用事例各種
  5.3 強化学習の応用事例
   5.3.1 3目並べ
   5.3.2 その他 応用事例各種べ


 6 このセミナーだけで終わらせないために


  6.1 twitter/ブログを通じた情報の収集
  6.2 より高速な環境を求める場合


【受講料】


・お1人受講の場合 47,000円[税別]/1名
・1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)