~ 機械学習、深層学習で必要な基本技術、より進んだ実践技術、発展的技術および運用上のポイント ~
・ディープラーニングの基礎から実務上のポイントまでを実践的に修得するための講座
・ディープラーニングの代表的なアルゴリズム、最新技術および運用上のコツや考え方を学び、システム開発の実務に応用しよう!
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
~ 機械学習、深層学習で必要な基本技術、より進んだ実践技術、発展的技術および運用上のポイント ~
・ディープラーニングの基礎から実務上のポイントまでを実践的に修得するための講座
・ディープラーニングの代表的なアルゴリズム、最新技術および運用上のコツや考え方を学び、システム開発の実務に応用しよう!
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
ディープラーニング(深層学習)は複数の層が積まれた、多層構造のネットワークを用いて巧みに機械学習するための技術であり、現在の人工知能技術の根幹となっています。本講座は、基礎的な背景を含めて、ディープラーニングと触れ合うための概要知識と基礎的な設計技術の習得を主眼としています。基礎から実践に至るまで、幅広い知識習得をカバーします。
前半は主にディープラーニングの数理的背景や意味についての解説となります。何故、ディープラーニングが出てきたのか、そして、何故ディープラーニングが凄いのか。など、ディープラーニングの基本的な“何故”や疑問に出来るだけ答えていくことが目標です。
後半は主にディープラーニングの技術的な側面に注目します。ディープラーニングの利用には様々な種類のアルゴリズムが必要となり、それらたくさんのアルゴリズムの把握は初学者にとって非常に大変な作業となります。後半では、それぞれのアルゴリズムが“何故”必要なのか、そして、“何故”そんなにたくさんの種類のアルゴリズムが存在しているのかなどの疑問に、代表的なアルゴリズムを紹介しながら答えていきます。また、更なる発展的な技術やディープラーニングの運用上のコツや考え方などをご紹介します。内容の性質上、(特に後半は)数式が少なからず出現しますが、必要に応じて補足をしていくので特殊な専門知識は必要ありません。
開催日時 |
|
---|---|
開催場所 | オンラインセミナー |
カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
受講対象者 |
・情報処理、システム、データ解析、ネットワーク、画像処理、音声処理、ロボット、自然言語処理他関連企業の方で人工知能プログラミングに興味のある方 ・AI技術の導入・運用をめざすIT技術者、企画者 ・深層学習理論の全体的なイメージと要素技術を掴みたい方 ・実際の運用でうまくいかずに困っている方 |
予備知識 | ・必要事項は随時解説をしますが、大学初年度で学習する程度の線形代数・微積分学や確率・統計学の知識があれば望ましいです |
修得知識 |
・深層学習理論の基礎理解と概要把握から、実装に至るまでの一通りの知識を習得できる ・応用課題に取り組む際のコツを習得できる ・実践の場でうまくいかない時の考え方を知ることができる |
プログラム |
1.機械学習とは何か? (1).機械学習が目指すもの (2).機械はデータから知識を獲得する (3).教師あり学習と教師なし学習 (4).深層学習(ディープラーニング)モデルの鳥瞰
2.深層学習への道のり (1).ニューラルネットワークの基礎 a.単純パーセプトロン ~機械学習の事始め~ b.フィードフォワードニューラルネットワーク c.パターン認識問題 d.誤差逆伝播法(バックプロパゲーション) (2).深層学習へ ~歴史的背景を踏まえて~ a.事前学習という考え方 b.自己符号化器と積層自己符号化器 c.深層学習の真相 d.画像データ・時系列データのための深層学習 ~CNNとRNN~
3.深層学習の基本技術(必須な基本技術) (1).基本的な技術1(勾配降下法について) a.確率的勾配降下法(SGD) b.勾配法の様々なアルゴリズム(Adam、AdaMax、AMSGrand法など) (2).基本的な技術2(パラメータの初期化について) a.入力データの初期化 b.学習パラメータの初期化(Xavier、Heの方法)
4.より進んだ実践技術と発展的技術および運用のポイント (1).過学習 a.過学習とは b.学習するときはコレに注目せよ ~学習誤差の指標~ c.過学習の問題と見抜き方 ~過適合は最悪の人工知能を導く~ (2).正則化法 a.正則化技術で過学習を緩和させる b.様々な正則化アルゴリズム(重み減衰、ドロップアウト、バッチ正則化) (3).その他の最新技術 a.転移学習 b.極端学習機械とリザバーコンピューティング c.敵対的生成ネットワーク:GAN (4).実践技術とそのポイント(運用の際の考え方と注意点など) a.層の設計について b.学習がうまくいかないときの対処 c.設計の際の重要な考え方 d.事前学習の秘められたもう一つの可能性 |
キーワード | ディープラーニング アルゴリズム 機械学習 教師あり学習 教師なし学習 深層学習 ニューラルネットワーク パターン認識 誤差逆伝播法 バックプロパゲーション 自己符号化器 積層自己符号化器 CNN RNN 勾配降下法 SGD パラメータの初期化 過学習 正則化法 転移学習 極端学習機械 リザバーコンピューティング データ解析 データ分析 ITサービス |
タグ | AI・機械学習、ソフト管理 |
受講料 |
一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込) |
会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金:9:00~17:00 / 定休日:土日・祝日