転移学習の基礎とディープラーニングの学習効率向上への応用 <オンラインセミナー>

~ 統計的学習の基礎、転移学習の基本問題(When・What・How)、深層モデルに基づくドメイン適応、メタ学習、継続学習 ~

・学習済みのモデルを効果的に用いることで、学習時間の短縮や少量データでの解析精度向上に活かすための講座!

・転移学習の設定手法、ディープラーニングにおける活用法を修得し、少量データでの深層学習利用やデータ解析・判別精度の向上に活かそう!

オンラインセミナーの詳細はこちら:

・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。

講師の言葉

 転移学習とは、端的に「非定常環境における機械学習」と言うことができます。現実の問題では、データの生成機構が時間とともに変動したり、解くべきタスクが変化するといったことがしばしば起こりますが、そういった状況下で機械学習を利用する場合には必ず転移学習としての定式化を考慮する必要があります。これは、通常の機械学習の方法論が定常的な環境(例えばデータが独立に同一の分布から生成されているとみなすなど)での利用を前提として開発されてきたために、非定常環境での性能が必ずしも保証されないからです。

 本講義では、統計的機械学習の定義から初めて、転移学習の基本的な考え方を説明します。また、深層学習を用いた現代的な転移学習の方法として、深層モデルに基づくドメイン適応、メタ学習、継続学習について説明します。

セミナー詳細

開催日時
  • 2021年12月15日(水) 10:30 ~ 17:30
開催場所 オンラインセミナー
カテゴリー オンラインセミナーソフト・データ・画像・デザイン
受講対象者 ・機械学習を利用する分野の方全般
・転移学習について基本的な考え方を修得したい方
・深層学習を用いた転移学習の方法を修得したい方
・システム、ソフト開発、データ分析関連の技術者の方
予備知識 ・教養程度の微積分、線形代数、確率・統計の知識は仮定しますが、必要な事項は講義中に補足します
修得知識 ・転移学習の体系的な知識
・様々な問題に対してどのように「知識転移」を実現するかという基本的なアイデア
※転移学習の個別の実装例や細かいtipsといったpracticeに関しては本講義には含まれません
プログラム

1.統計的機械学習の基礎

  (1).統計的学習の定式化

    a.期待リスク最小化問題としての「学習」

    b.過剰適合とその抑制

    c.種々の学習問題:教師付き学習 / 教師無し学習 / 強化学習

  (2).統計的学習が「失敗」する場合(転移学習への導入)

 

2.転移学習の基礎

  (1).転移学習の設定

  (2).転移学習の基本問題

    a.何を転移するか(What to transfer)

    b.いつ転移するか(When to transfer)

    c.負転移

    d.どう転移するか(How to transfer) いくつかの具体例

 

3.深層学習を用いた転移学習

  (1).深層学習の登場による転移学習(ドメイン適応)の進化

    a.深層学習以前のドメイン適応:カーネル法に基づく

    b.深層モデルによるドメイン適応の進化(不変な特徴量の学習の観点から)

    c.不変性のみを考慮するドメイン適応の限界と同時リスクをも考慮したドメイン適応手法

  (2).メタ学習:学習の方法を学習する

    a.メタ学習の基礎

    b.少数ショット学習

    c.メタ強化学習

  (3).継続学習:タスクの系列に対する転移学習

    a.継続学習の基礎

    b.非もつれ表現に基づく継続学習

    c.継続学習へのベイズ的アプローチ

キーワード 統計的機械学習 教師付き学習 教師無し学習 強化学習 転移学習 負転移 深層学習 ディープラーニング ドメイン適 メタ学習 メタ強化学習 継続学習 ベイズ的アプローチ
タグ AI・機械学習データ分析
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
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
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。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日