• 2019年12月26日(木) 10:30 ~ 17:30

１．ＡＩの定義
　　（１）．ルールベースのエキスパートシステム
　　　　ａ．ルールを設計するためには？
　　　　ｂ．ルールベースの限界
　　（２）．従来の機械学習による識別と限界
　　　　ａ．機械学習の種類
　　　　ｂ．識別の基本　～データを分ける面を引く～
　　　　ｃ．識別の失敗例と対策例　～機械学習の限界～
　　（３）．ディープラーニング
　　（４）．ＧＡＮや深層強化学習を使った最新技術

２．TensorFlowによるディープラーニングの基礎と演習プログラミング
　　（１）．TensorFlowでのプログラミング手法
　　　　・TensorFlowを使う利点
　　　　・TensorFlowでの計算の考え方　～コードを書いて試してみる～
　　（２）．手書き文字データセットＭＮＩＳＴを使った1層ニューラルネットワーク構築
　　　～ＰＣ実習で実際に確認～
　　　　ａ．変数mnistのデータ構造
　　　　ｂ．１層のニューラルネットを学習する
　　　　ｃ．勾配降下法
　　　　ｄ．学習と評価のための準備　～実際にペイントで手書きした文字を評価する～

３．畳み込みニューラルネットワーク（ＣＮＮ）の基礎と応用
　　（１）．畳み込みニューラルネットワークの基本
　　　　ａ．画像のフィルタ処理と考え方
　　　　ｂ．無駄を捨てるPoolingと足りない部分を埋めるＰａｄｄｉｎｇ
　　　　ｃ．実際に手を使って動かして確認する
　　（２）．活性化関数とニューラルネットワークの層数
　　　　ａ．ニューラルネットの層数とデータ表現力
　　　　ｂ．活性化関数がある場合とない場合の違い
　　（３）．Ｄｒｏｐｏｕｔ
　　　　ａ．Ｄｒｏｐｏｕｔの考え方
　　　　ｂ．アンサンブル学習
　　（４）．最適化関数
　　（５）．過学習について
　　　　　・過学習させないためのコツ
　　（６）．有名な学習モデル

日本テクノセンター研修室