• 2019年11月06日(水) 10:30 ~ 17:30

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）． 機械学習の種類
　　　　ａ．教師あり学習
　　　　ｂ．教師なし学習
　　　　ｃ．教師なし学習と人工知能
　　（４）． 深層学習（ディープラーニング）モデルの鳥瞰
　
２．ニューラルネットワークの基礎と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）
　　　　ｅ．ニューラルネットワークの技術的問題点
　　（２）． 深層学習へ
　　　　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．その他の深層学習モデル（CNN）
　　　　ｅ．表現学習とは何か
　　　　ｆ．深層学習は一言でいうと○○をしている！
　　
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）
　　（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．最新アルゴリズムとより進んだ実践技術（運用の際の考え方と注意点）
　　（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
　　（４）．口伝の実践技術
　　　　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

５．本講座の総括といくつかの話題

日本テクノセンター研修室