• 2021年04月08日(木) 10:30 ~ 17:30

１．ディープラーニングとは何か？
　　（１）．なにができるのか
　　（２）．利用例の紹介
　　（３）．AIとディープラーニング
　　（４）．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？
　　（１）．音声認識などに使われるＤＰマッチング
　　（２）．意思決定を助ける決定木
　　（３）．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
　　（１）．ニューロン
　　（２）．ニューラルネットワーク
　　（３）．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

４．ディープラーニングの種類と特長
　　（１）．特徴抽出が不要になったDeep Belief Network
　　（２）．識別問題に強いStaked Auto Encoder
　　（３）．画像の識別に強いConvolutional Neural Network
　　（４）．時間変動に強いRecurrent Neural Network
　　（５）．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

５．ディープラーニングの開発ツール 　
　　（１）．日本発のChainer
　　（２）．コードが簡単なKeras
　　（３）．みんなが使っているTensorFlow
　　（４）．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

６．学習のテクニック
　　（１）．ドロップアウト
　　（２）．モーメンタム
　　（３）．ハイパーパラメータのチューニング
　　（４）．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

７．少ないデータの時の学習の工夫
　　（１）．データオーギュメンテーション
　　（２）．データオーギュメンテーションの実例
　　
・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

８．ディープラーニングの実践
　　（１）．環境構築
　　（２）．サンプルコード利用

９．様々な応用事例と利用上のテクニック
　　（１）．ドローン・ロボット
　　（２）．コンピュータアプリケーション
　　（３）．創薬
　　（４）．その他

１０．質疑・応答、個別相談

オンラインセミナー