★これから実装をしようとする方のための理論と実装 ディープラーニング入門 −理論と実装−

★ディープラーニングの基本理論から応用まで！
★データ処理のテクニック、TensorFlow によるディープラーニング手法の実装とは？
★ディープラーニングを実務に活かしていくための知識習得を目指します。

講師

(株)情報医療（MICIN, Inc.） CTO 巣籠 悠輔 先生　東京大学招聘講師
Gunosy, READYFOR の創業メンバーとして、エンジニアリング、デザインを担当。 
大学院修了後は電通にてデジタルクリエイティブの企画・制作、ディレクションに従事。Googleニューヨーク支社勤務を経て、株式会社情報医療（MICIN, Inc.）を共同創業。
東京大学工学部システム創成学科卒（首席）、東京大学工学系研究科技術経営戦略学修了。

セミナーポイント

■講座のポイント
　ディープラーニングの研究はますます活発になり、勢いをとどめることを知りません。そのおかげもあり、ディープラーニングを実装するための環境がどんどん整備され、学習コストも下がりつつあります。
　そこで、本セミナーでは、ディープラーニングの理論を基礎から応用まで、そして理論だけでなくTensorFlowを用いた実装までを紹介することで、ディープラーニングを実務に活かしていくための知識の習得を目指します。

■受講後、習得できること
・ディープラーニングの基本理論から応用まで
・ディープラーニングにおけるデータ処理のテクニック
・TensorFlow によるディープラーニング手法の実装

セミナー内容

1.ニューラルネットワークの理論と実装
　1.1　ニューラルネットワークとは
　1.2　単純パーセプトロン
　　1.2.1　基本的な考え方
　　1.2.2　モデル化
　　1.2.3　実装
　1.3　ロジスティック回帰
　　1.3.1　ステップ関数とシグモイド関数
　　1.3.2　モデル化
　　1.3.3　実装
　1.4　多クラスロジスティック回帰
　　1.4.1　モデル化
　　1.4.2　実装
　1.5　多層パーセプトロン
　　1.5.1　非線形分類について
　　1.5.2　モデル化
　　1.5.3　実装

2.ディープニューラルネットワークの理論と実装
　2.1　ディープラーニングへの準備
　2.2　学習における問題
　2.3　学習の効率化
　　2.3.2　活性化関数
　　2.3.3　ドロップアウト
　　2.3.4　実装
　2.4　高度なテクニック
　　2.4.1　データの正規化
　　2.4.2　パラメータの初期化処理
　　2.4.3　実装

3.ディープラーニングの応用
　3.1　更なるモデルの紹介
　3.2　最近の動向と注目分野について
　3.3　今後の学習について

※内容は一部変更・追加などがある可能性があります。予めご了承下さい。