セミナー情報

フレームワークによる機械学習とディープラーニングの基礎と実践 〜1人1台PC実習付〜

〜 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、機械学習/ディープラーニングのプログラミング解説 〜

・データ分析の初学者でも理解ができるよう基礎から分かりやすく解説する講座

メジャーなフレームワークを使いながら、機械学習とディープラーニングを実践的に修得できる特別セミナー! 

 

*PCは弊社でご用意いたします。サンプルソースは、セミナー終了後ダウンロードできます

講師の言葉

 講師は、専門の研究者ではなく、システム開発者なので、とにかく実践で使えることを第一に考えています。ただし、ある程度理論も抑える必要があります。そのため、下記2部構成としています。
 前半は、データ分析の未経験者でもわかるように可能な限り数式を排して理論とその実践方法を説明します。ここで、大まかにデータ分析、機械学習、ディープラーニングを理解します。
 後半では、tensorFlow、chainerというメジャーなフレームワークを使用し、Windowsマシンで、実際にデータを操作しながら、機械学習、ディープラーニングを実施します。
 ただ、サンプルを動かしての解説ではなく、実際にインストールするところから、画像の分析(ディープラーニング)までが可能になります。
 なお、講義で使用したサンプルソース等は、dropbox公開フォルダよりダウンロード可能になります。

セミナー詳細

開催日時 2017年11月10日(金) 10:30 ~ 17:30
開催場所 【東京】日本テクノセンター研修室
カテゴリー ソフト・データ解析・画像・デザイン
受講対象者 ・データ分析、システム、ソフト関連企業の方
・データ分析、機械学習、ディープラーニングを自分の仕事に活かしたいと思っている方
・AIに興味はあるが、どこから勉強したらよいかわからない方
予備知識 ・特に必要ありません
修得知識 ・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
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.機械学習/ディープラーニングの数理・確率論
  〜対象物を数値情報へ変換する〜
  (1).分布
  (2).次元とベクトル
  (3).画像を数値情報へ変換する
  (4).言語を数値情報へ変換する
  (5).音を数値情報へ変換する
  (6).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

キーワード 機械学習 ディープラーニング フレームワーク Python  CNN TensorFlow  Chainer チューニング
タグ シミュレーション・解析  ソフト教育  データ解析  ITサービス
受講料 一般(1名) : 49,680円 (税込み)
同時複数申し込みの場合(1名) : 44,280円 (税込み)
会場 日本テクノセンター研修室
住所: 〒 163-0722 東京都新宿区西新宿小田急第一生命ビル(22階)
- JR「新宿駅」西口から徒歩10分
- 東京メトロ丸ノ内線「西新宿駅」から徒歩8分
- 都営大江戸線「都庁前駅」から徒歩5分
電話番号 : 03-5322-5888
FAX : 03-5322-5666

このセミナーに参加する

申込用紙のダウンロード

メールを送信する

カテゴリ:

電気・機械・メカトロ・設備成形・加工・接着接合・材料化学・環境・異物対策ソフト・データ・画像・デザイン品質・生産管理・コスト・安全研究開発・ビジネススキル

Page Top