〜 回帰分析、主成分分析、線形・非線形SVM、Deep Learning、CNNとその発展版、検出・認識技術への具体的応用例 〜
- 回帰分析・SVMからDeep Learningまで識別・認識技術の基礎から応用例を交えて解説する講座!
- 代表的な識別・認識手法を体系的に学び、用途に合わせて適切な使い分け、検出・追跡・認識におけるエラー率低減に活かそう!
- 動画を交え、分かりやすく解説します!
- 深層学習(ディープラーニング)を、適切かつ有効活用するためには、基礎となる部分を理解することが重要です!
〜 回帰分析、主成分分析、線形・非線形SVM、Deep Learning、CNNとその発展版、検出・認識技術への具体的応用例 〜
最近、ディープラーニングが流行っておりますが、単に使うだけでなく、中身を理解したり、改良したりするためには、その基礎となる部分を理解することが重要となります。とは言っても数式だらけのものを見せられても分かりにくいかと思います。
そこで本講演では、理論と応用をセットにして解説していきます。具体的な応用例があった方が手法の特性をつかみやすいし、自分の問題に応用し、改良するためのヒントとなります。紹介する応用例は、顔認識、行動認識、アスベスト検出、細胞内画像処理、一般物体認識等です。これからディープラーニングや機械学習法を学びたい人や画像認識等の実際の問題に応用したい技術者、研究者の方にお勧めです。
開催日時 |
|
---|---|
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 | ・これから機械学習やディープラーニングを学びたい方 ・これからコンピュータビジョンや画像認識を使いたい方 (本セミナーでは、画像の前処理技術は扱いません) ・最近よく使われる代表的手法の特性を一度に学びたい方 |
予備知識 | ・専門知識は特に必要ありません。高校〜大学初年度程度の数学(微分・積分、行列、ベクトル、ノルム、統計初歩など)を忘れている方は、復習しておくことをお勧めします。 |
修得知識 | ・最近のコンピュータビジョンや画像認識でよく利用されている機械学習法やディープラーニング法の基礎やその特性を知ることができる。各手法を用いた実際の応用例を紹介するので、自分の解決したい問題に対するヒントが得られる。 |
プログラム |
1.回帰分析、多変量解析と応用
(1).回帰分析
※2章、3章のベースにもなります
a.最小二乗法
b.リッジ回帰
c.Lasso回帰
d.PLS回帰
e.ロバスト統計
f.回帰分析の応用
(2).多変量解析と応用
a.主成分分析
b.判別分析
c.カーネル多変量解析
d.多変量解析の応用
2.サポートベクターマシン(SVM)と応用
(1).線形サポートベクターマシン
(2).非線形サポートベクターマシンとカーネル関数
a.対象識別への応用
b.対象検出への応用
(3).one-class サポートベクターマシン
a.粒子検出への応用
(4).サポートベクター回帰
a.対象追跡への応用
b.対象検出への応用
3.ニューラルネットワークと応用
(1).単層パーセプトロン
(2).多層パーセプトロン
a.誤差逆誤伝播法
(3).Deep learning
a.Convolutional Neural Network(CNN)とその発展版
b.様々なユニット関数
c.dropout、batch normalization
d.CNNの解析
(4).Deep learningの応用
a.画像ラベリング(セグメンテーション)への応用
b.細胞内画像処理への応用
c.動画像認識への応用
d.PLSNetによる対象識別
4.トピックス
(1).深層強化学習の紹介 |
キーワード | 最小二乗法 リッジ回帰 Lasso回帰 PLS回帰 主成分分析 カーネル多変量解析 線形サポートベクターマシン 粒子検出 サポートベクター回帰 NN DNN PLSNet DQN アルゴリズム 画像認識 |
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。
営業時間 月~金:9:00~17:00 / 定休日:土日・祝日