TensorFlowによるディープラーニングプログラミングと実装のポイント　〜デモ付〜

〜畳み込みニューラル・ネットワーク（ＣＮＮ）、再帰型ニューラル・ネットワーク（ＲＮＮ）、TensorFlowの基本的なコード記述とサンプル〜

・注目されるTensorFlowの最新技術を実践的に解説する講座

・数々のプログラムのデモとコード解説によってTensorFlowのプログラミングが理解できる特別セミナー！

　＊サンプルコードはお持ち帰りできます

講師の言葉

　ディープラーニングでは、ニューロンの働きを擬似的に多重化したニューラル・ネットワークを利用しています。
　本講座では、ディープラーニングの基本から始めて、ニューラル・ネットワーク（ＮＮ）、畳み込みニューラル・ネットワーク（ＣＮＮ）、再帰型ニューラル・ネットワーク（ＲＮＮ）の解説へと進めていきます。
　またTensorFlowはGoogle社のディープラーニング（深層学習）フレームワークですが、Googleのエースアーキテクト（Senior Fellow）Jeff　Deanが取り組んでいる事からも分かるようにGoogleが最も注力している分野になっています。
　この講座では、まず今も続くTensorFlowの機能追加について最新の情報をお伝えします。次に実際のプログラミングでは、プログラミング環境の設定方法を最初に解説し、その後Pythonで記述するTensorFlowのプログラミング方式の基本から始めて、応用例を含めた数々のプログラムのデモとコード解説を行います。

セミナー詳細

開催日時	2016年12月20日(火) 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	・ニューラルネットワークによるディープラーニングについて、理論およびアプローチ方式について知りたい方・GoogleのTensorFlowでディープラーニングのプログラミングを行ってみたい方・TensorFlowを使用したディープラーニングプログラミングでどのような応用事例があるのか知りたい方・画像認識、音声認識、自然言語処理、検索システムなどの開発に興味がある方および仕事で関係する方
予備知識	・Pythonプログラミングについては初歩的経験で充分ですが、経験が無くともプログラミングの基礎的経験があれば大丈夫です・行列、偏微分および対数等の数学の基礎知識があれば理解しやすいです
修得知識	・ディープラーニングについてその理論を理解することができます・TensorFlowを使用した、Python言語によるプログラム記述ができるようになります・TensorFlowの応用例としてどのようなものがあるかを知ることができます
プログラム	第１部　ディープラーニング１．ＡＩ技術を構成する複数の流れ　（１）．機械学習　（２）．パーソナル・アシスタンス　（３）．ディープ・ラーニング他２．ＮＮ: Neural Network（ニューラル・ネットワーク）とその表現　（１）．脳とニューロン　　　　　ａ．ヘッブの法則　（２）．一つのニューロンの動きを考える　　　　　ａ．ニューロンはいつ発火するのか　　　　　ｂ．一つのニューロンの内部の状態の表現　（３）．複数のニューロンの動きを考える３．ニューラル・ネットワークと使用関数　（１）．活性化関数　　　　　ａ．sigmoid 関数　　　　　ｂ．tanh 関数　　　　　ｃ．softmax　関数　他　（２）．softmax関数の機能　　　　　ａ．softmax関数の性質　　　　　ｂ．One-Hot-Vector 　（３）．ニューラル・ネットワークのパラメータの最適化　　　　　ａ．ニューラル・ネットワークで数値予測（線形回帰）　　　　　ｂ．損失関数 Loss Function 　　　　　ｃ．勾配降下法 Gradient Descent 　　　　　ｄ．ラス分けの場合の損失関数クロス・エントロピー４．ＣＮＮ: Convolutional Neural Network（畳み込みニューラル・ネットワーク) 　（１）．Convolutional Neural Networkとは　　　　　ａ．Convolution Layer 　　　　　ｂ．Pooling Layer 　　　　　ｃ．疎な結合 (Sparse Connectivity) 　　　　　ｄ．重み行列の共有 (Shared Weights) 　　　　　ｅ．特徴マップ (Feature Map) 　　　　　ｆ．畳み込み演算 (The Convolution Operator) 　（２）．空間フィルタリング処理　　　　　ａ．空間フィルタリング処理の手法　　　　　ｂ．平滑化フィルタ　　　　　ｃ．メディアンフィルタ　　　　　ｄ．徴抽出フィルタ５．ＲＮＮ: Recurrent Neural Network（再帰型ニューラル・ネットワーク) 　（１）．Recurrent Neural Networkとは　（２）．ＲＮＮの種類　　　　　ａ．Elman network 　　　　　ｂ．Echo state network（ESN）　　　　　ｃ．Long short term memory （LSTM）　等　（３）．Elman network 　　　　　ａ． Elman networkとは　　　　　ｂ．Elman networkの学習例　　　　　ｃ．lman networkの問題点　（４）．Echo state network(ESN) 　　　　　ａ．ESNとは　　　　　ｂ．ESNの学習例　　　　　ｃ．ESNの特徴　（５）．Long short term memory (LSTM) 　　　　　ａ．LSTMとは　　　　　ｂ．LSTMの構造と学習第２部　TensorFlow ６．TensorFlowの特長　（１）．スケーラビリティ　（２）．簡易/柔軟な記述方式　（３）．多数のプログラミング言語からの利用　（４）．可視化機能７．TensorFlowでディープラーニング　　　線形回帰等を使用したTensorFlowのディープラーニングを実現するコード記述スタイル　（１）．TensorFlowの計算方式　　　　　ａ．モデルを作成　　　　　ｂ．誤差の計算　　　　　ｃ．最適化（誤差最小点を探す）　　　　　ｄ．予測式と学習済パラメータで予測実行　（２）．TensorFlowでの実装　　　　　ａ．ライブラリをロード　　　　　ｂ．予測式（モデル）を記述　　　　　ｃ．誤差関数と最適化手法を記述　　　　　ｄ．訓練データを作成（または読み込み）し学習実行　　　　　ｅ．予測　　　　　ｆ．後かたずけ　８. TensorFlowの基本的なコード記述　（１）．計算処理の表現(グラフ表現) 　　　　　ａ．データ構造のNode 　　　　　ｂ．データ構造のEdge 　（２）．計算処理の実行　　　　　ａ．Constructionフェイズ　　　　　ｂ．Executionフェイズ　９. TensorFlowの運用環境構築　　　GoogleのIaaSクラウド（Compute Engine）上に作成する手順　（１）．Compute　Engineの設定　　　　　ａ．Google　Developers　ConsoleでCompute　Engine有効化　　　　　ｂ．Compute　Engineのインスタンス設定と生成　（２）．モジュール設定　　　　　ａ．pipインストール　　　　　ｂ．Numerical　Pythonインストール他　（３）．TensorFlowをインストール　１０．サンプルを実行　（１）．サンプル１　　“hello, tensorflow!”表示　（２）．サンプル２　　TensorFlowで演算処理　（３）．サンプル３　　線形回帰（線形重回帰）　（４）．サンプル４　　ロジステック回帰　（５）．サンプル５　　TensorFlowで株価予想　（６）．サンプル６　　CNN 手書き文字認識:初心者用MNIST　　（７）．サンプル７　　CNN 手書き文字認識:上級者用MNIST 　（８）．サンプル８　　単語のベクトル表現　（９）．サンプル９　　CIFAR-10とCIFAR-100で描画してみる　（１０）．サンプル１０ TensorFlowによるディープラーニングで、アイドルの顔を識別する
キーワード	ディープラーニングニューラルネットワーク　TensorFlow　機械学習　畳み込みニューラル・ネットワーク（ＣＮＮ）　再帰型ニューラル・ネットワーク（ＲＮＮ　Compute Engine
タグ	ソフト教育、データ解析、画像
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

TensorFlowによるディープラーニングプログラミングと実装のポイント 〜デモ付〜

講師の言葉

セミナー詳細

日本テクノセンター研修室

こちらのセミナーは受付を終了しました。