そもそも,“ディープラーニング”と“機械学習”の違いって?
そんな基礎的な疑問から実践,そして活用事例までを学べる講座です!
※会場受講かオンライン受講かをお選び下さい。
オンライン受講をご希望の場合,通信欄にその旨をご記入下さい。
講師: |
太田桂吾 氏
(株)ネクステージ AIアナリスト |
日時: |
2020年12月4日(金) 10:00〜17:00
1日集中講座
|
受講料: |
43,000円(消費税込)※テキスト代を含みます。 |
会場: |
新技術開発センター研修室
東京都千代田区一番町17-2 一番町ビル3F
TEL 03(5276)9033
地下鉄半蔵門線 半蔵門駅徒歩2分
地下鉄有楽町線 麹町駅徒歩5分
(受講券に地図を添付いたします)
会場地図 |
※録音・録画はご遠慮下さい。
|
このボタンをクリックするとすぐにお申込ができます。 セミナーのお申込は買い物カゴには入らず直接お申込入力となります。
※オンライン受講をご希望の場合,通信欄にその旨をご記入下さい。
|
●受講のおすすめ
機械学習・ディープラーニングを行う前のデータ処理の基本から,基礎と実践までを網羅し,また,このセミナー後,習得した知識をどのように活用するかまで,わかりやすく講義します。AIに興味はあっても,どこから勉強してよいかわからない方の受講も,大歓迎です。是非ご受講下さい!
- 本セミナーでの習得知識
- データ処理の基本(理論と実践)
- 機械学習/ディープラーニングの基本(理論と実践)
- 受講対象者
- ・データ分析,システム,ソフト関連企業の方,
- ・機械学習,ディープラーニングを仕事に活かしたいと思っている方
●セミナープログラム
- 1.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
- 1)データの定義
- 2)扱うデータの特性を把握する
- a) 時間軸/場所の考慮
- b) データを発生させるもの
- 3)データの前処理
- a) データの抜け,異常値への対応
- b) データの量を調整する(増やす/減らす)
- c) データの次元を削減する
- 4)ディープラーニングの精度を上げるためにどのようなデータを用意するか?
- a) 必要となるデータの量
- b) データクレジング
- c) フレームワークでの処理
- 5)サンプルデータの説明
- a) デモで使用するサンプルデータの説明
- 2.対象物を数値情報へ変換する
- 1)画像を数値情報へ変換する
- 2)言語を数値情報へ変換する
- 3)音を数値情報へ変換する
- 4)状態を数値情報へ変換する
- 3.機械学習の基礎と実践
- 1)機械学習の基本
- a) データがモデルをつくる
- b) 学習結果をどう受け取るべきか
- 2)学習の種類
- a) 教師あり学習の基本
- b) 教師なし学習の基本
- c) 強化学習の基本
- 3)結果の分類
- a) 回帰
- b) クラス分類
- 4)Windowsで機械学習環境をオープンソースにて構築
- a) 使用可能なオープンソース一覧
- b) Pythonの設定(Windows7端末の例)
- 5)サンプルデータを機械学習で処理
- a) 何を導き出したいか?の定義
- b) 使用できるモデルは?
- c) Pythonを実行し結果を得る
- 6)機械学習のプログラム解説
- 4.ディープラーニングの基礎と実践
- 1)機械学習とディープラーニングの違いは?
- a) ニューラルネットワークとは
- b) 生じた誤差の吸収
- c) 特微量の抽出/学習の方法
- 2)ディープラーニングを分類し,その特徴を把握する
- a) 畳み込みニューラルネットワーク CNN(Convolutional Neural Network)
- b) 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
- c) 強化学習 (Deep Q-learning)
- 3)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
- a) TensorFlow
- b) Chainer
- 4)サンプルデータをディープラーニングで処理
- a) TensorFlowで動かし結果を得る
- b) Chainerで動かし結果を得る
- 5)ディープラーニングのプログラム解説
- a) TensorFlowの解説
- b) Chainerの解説
- 6) 解析結果の考察とチューニング
- a) TensorFlow
- b) Chainer
- 7) 精度を上げるためにいかにパラメータを最適化するか?
- 8) 過学習の判断基準
- 9) その他,実践にあたり注意すべきこと
- 5.このセミナーだけで終わらせないために
- 1)twitter/ブログを通じた情報の収集
- 2)より高速な環境を求める場合
- ◎ 質疑応答
|