Deep learning(ディープラーニング)の基礎と活用事例

〜 ニューラルネットワークの基礎、CNN、畳込み層、ディープラーニングの活用事例、強化学習への応用、ディープラーニングのツール紹介 〜

  • ニューラルネットワークの基礎から学び、深層学習の活用に活かすための講座!
  • 従来の機械学習との違いからディープラーニングの活用法を学び、画像認識や人工知能による効率化した業務活用に活かそう!

講師の言葉

 人工知能やディープラーニング(深層学習)の業務への活用へは大きなハードルがある。従来の機械学習との違いを含めてどのように活用していけば業務が大きく効率化されるのかを中心として、画像認識をベースとした静的なディープラーニングから強化学習と呼ばれる自ら学ぶディープラーニングまでの基礎を学ぶ。
 ディープラーニングにおける画像認識をベースとした処理の具体的な数式を微分方程式を交えての学習および、数学を使わずに実際のソフトウェアでの使用の仕方などを学ぶ。
 強化学習においてはこれまで画像認識を中心とした人工知能の活用を自動車や製造などの現場へと落とし込む方法を実際の業務と照らし合わせて模索していく。

セミナー詳細

開催日時
  • 2016年06月24日(金) 10:30 ~ 17:30
開催場所 日本テクノセンター研修室
カテゴリー 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、製造業、自然言語処理他関連企業の方 ・人工知能やアルゴリズムを活用して業務改善・業務活用を行いたい方。製造業の方など。
予備知識 ・大学初年度程度の数学知識 ・データ活用における自身の業務の問題点を把握しておくと望ましい
修得知識 ・ディープラーニングの数理 ・自身の業務への活用方法 ・深層強化学習の基礎
プログラム

1. 機械学習とディープラーニングとビックデータ
  (1). ディープラーニングで何ができるのか?
  (2). ディープラーニングのメリット・デメリット
  (3). 機械学習とディープラーニングの違い
  (4). ディープラーニングとビックデータの関係

2. ニューラルネットワークの基礎
  (1). 階層型パーセプトロン
  (2). 誤差逆伝播法
  (3). 誤差逆伝播法の数理

3. 畳み込みニューラルネットワーク(CNN)
  (1). CNNの概要
  (2). 畳み込み層
  (3). プーリング層
  (4). CNNの数理

4. ディープラーニングの事例
  (1). 画像認識の事例
  (2). 自動車関連の事例:センサー感知
  (3). 複数ロボットやセンサーの協調運動

5. ディープラーニングの強化学習への応用
  (1). 従来の強化学習(Q学習)とルックアップテーブル
  (2). ディープラーニングを活用した強化学習
  (3). 海外や日本企業の事例紹介
  (4). 今後の展望

6. ディープラーニングのツール紹介

  (1). Caffe
  (2). Chainer
  (3). Tensorflow

キーワード DL 機械学習 ビックデータ 階層型パーセプトロン 誤差逆伝播法 CNN 畳み込み層 プーリング層 強化学習 Caffe
タグ データ解析画像認識
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
日本テクノセンター研修室
〒 163-0722 東京都新宿区西新宿2-7-1 新宿第一生命ビルディング(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。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日