【中止】Pythonによるディープラーニング実装に必要な数式理解のための数学解説
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | 株式会社トリケップス |
キーワード | 機械学習・ディープラーニング 情報技術 |
開催エリア | 東京都 |
開催場所 | 【千代田区】オームビル |
交通 | 【地下鉄】神保町駅・竹橋駅・小川町駅・新御茶ノ水駅 |
ディープラーニングの実装に求められる範囲の数学に絞り、
Pythonでの実装と合わせて紹介します
セミナー講師
増井 敏克(ますい としかつ)氏
増井技術士事務所 代表
<経歴>
1999年04月 大阪府立大学 総合科学部 数理・情報科学科入学
2002年04月 大阪府立大学大学院 理学系研究科 数理・情報科学専攻に進学(飛び級)
2004年03月 大阪府立大学大学院 理学系研究科 数理・情報科学専攻修了
2004年04月 大手セキュリティ企業 入社
2011年05月 増井技術士事務所 設立
<専門>
ソフトウェア開発、情報セキュリティ、ビジネス数学
<主な著書>
「基礎からのプログラミングリテラシー」(技術評論社/2019年)、「IT用語図鑑」(翔泳社/2019年)、「プログラマのためのディープラーニングのしくみがわかる数学入門」(ソシム/2018年)、「図解まるわかり セキュリティのしくみ」(翔泳社/2018年)、など
セミナー受講料
お1人様受講の場合 46,000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)
受講申込ページで2~3名を同時に申し込んだ場合、自動的に1口申し込みと致します。
※サブテキストとして、「プログラマのためのディープラーニングのしくみがわかる数学入門」(増井敏克 著、ソシム/2500円(税別))を使用しますので、申込用紙のテキスト希望欄に○印を記入下さい。受講料、テキスト代(実費)を合わせて請求させていただきます。
セミナー趣旨
人工知能やディープラーニングという言葉が頻繁に使われ、多くの人が試そうとしています。多くのライブラリやフレームワークも登場しており、試すだけならば難しくありません。すでに作られたライブラリを使う場合、たった数行のソースコードを書くだけで実現できます。ただ、このような方法で実装すると、処理の裏側がまったくわかりません。また、ディープラーニングや機械学習に関する専門書を読もうとすると、大量の数式が登場します。しかも、その内容は高校までの数学の範囲を超えており、文系で過ごしてきた人にはさっぱり理解できません。
そこで、ディープラーニングの実装に求められる範囲の数学に絞って、Pythonでの実装と合わせて紹介します。
セミナープログラム
1 プログラマのための数学の学び方
1.1 数学が求められる背景
1.2 プログラマにとっての数学との付き合い方
1.3 ディープラーニング以外への活用
1.4 継続して学ぶしくみづくり
1.5 学ぶ体制、開発環境の整備
2 ディープラーニングの概要
2.1 人工知能と機械学習
2.2 ニューラルネットワークとは
2.3 誤差逆伝播の考え方
3 数列と統計、確率
3.1 数列と漸化式
3.2 数列の和(シグマ記号)
3.3 平均、分散、標準偏差
3.4 データの標準化
3.5 データの分布
3.6 確率と確率分布
3.7 条件付き確率
3.8 ベイズの定理
3.9 標本と推定
4 ベクトルと行列
4.1 ベクトル
4.2 内積
4.3 行列
4.4 逆行列と連立方程式
5 関数と微分
5.1 関数と最小値
5.2 微分と偏微分
5.3 勾配ベクトル
5.4 回帰分析
5.5 勾配降下法
6 ディープラーニングにおける学習
6.1 損失関数とは
6.2 モデルの評価(交差検証)
6.3 過学習と未学習
6.4 畳み込みニューラルネットワーク
7 データの用意
7.1 必要なデータの形式と量
7.2 組織でのデータの調達と準備
7.3 よく使われるデータと特徴
7.4 外部のデータの活用