• 2020年08月18日(火) 10:30 ~ 17:30

１．ディープラーニングの基礎

　（１）．ディープラーニングとは何か？

　　　ａ．なにができるのか

　　　ｂ．利用例の紹介

　　　ｃ．AI とディープラーニング

　　　ｄ．AlphaGo と GPS 将棋

　　　・ディープラーニングの世界の動向について紹介し、ディープラーニングをどんな問題に対して使うべきかを解説します。

　（２）．その他の最適手法にはどんなものがあるのか？

　　　ａ．音声認識などに使われるＤＰマッチング

　　　ｂ．意思決定を助ける決定木

　　　ｃ．ディープラーニングとの違いはなにか

　　　　・ＤＰマッチングや決定木など、これまでたくさん用いられてきた最適化手法について解説し、それらとディープラーニングとの違いについて理解します。

　（３）．ディープラーニングのしくみ

　　　ａ．ニューロン

　　　ｂ．ニューラルネットワーク

　　　ｃ．ディープラーニング

　　　　・単純なニューロンから、複雑なニューラルネットワーク、さらに複雑なディープラーニングまで、順を追って解説します。

２．　ディープニューラルネットワークの学習

　（１）．ディープラーニングの種類と特長

　　　ａ．特徴抽出が不要になった Deep Belief Network

　　　ｂ．識別問題に強い Staked Auto Encoder

　　　ｃ．画像の識別に強い Convolutional Neural Network

　　　ｄ．時間変動に強い Recurrent Neural Network

　　　ｅ．長期的な依存関係も学習できる Long Short Term Memory

　　　　・様々なディープラーニングのネットワークについて紹介し、皆様が考えている問題にとって適切なネットワークについて考えます。

　（２）．ディープラーニングの開発ツール

　　　ａ．日本発の Chainer

　　　ｂ．コードが簡単な Keras

　　　ｃ．みんなが使っている TensorFlow

　　　ｄ．利用者増加中の PyTorch

　　　　・ディープラーニングのツールの特徴を紹介し、皆様にとって適切なディープラーニングの環境について考えます。

　（３）．学習のテクニック

　　　ａ．ドロップアウト

　　　ｂ．モーメンタム

　　　ｃ．ハイパーパラメータのチューニング

　　　ｄ．オプティマイザーの選び方

　　　　・モーメンタムなどのハイパーパラメータについて理解し、そのチューニング方法について学びます。また、オプティマイザーごとの性質の違いを理解し、選び方について検討します。

３．少ないデータのときの学習の工夫

　　　・データ件数が少ない場合には、過学習がおきて汎化性能が落ちやすくなります。そのような場合にドロップアウトやデータオーギュメンテーション、パディングなどにより過学習を最小限に抑える工夫について解説します。

４．ディープラーニングの実習

　（１）．Kerasを用いた手書き文字認識

　（２）．Tensorflowを用いた自動翻訳

５．ディープラーニングの活用

　（１）．ディープラーニングの制御システムへの活用

　（２）．その他の様々な応用事例の検討・ディスカッション

６．個別相談

　　・受講者の個別事例に対して、アドバイスを行います

日本テクノセンター研修室