ホーム > セミナー > ディープラーニングの基礎と実践【名古屋開催】

☆はじめて学ぶ方にも最適な講座!
 基礎から具体的な実践方法をわかりやすく解説する!

ディープラーニングの基礎と実践【名古屋開催】

セミナー概要

略称
ディープラーニング【名古屋開催】
セミナーNo.
180415  
開催日時
2018年04月04日(水)10:30~16:30
主催
(株)R&D支援センター
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
開催場所
ウインクあいち 12F 1206
講師
応用技術(株) ソリューション本部 主査 ネットワークスペシャリスト 太田 桂吾 氏
価格
非会員: 49,980円(税込)
会員: 47,250円(税込)
学校関係者: 10,800円(税込)
価格関連備考
会員(案内)登録していただいた場合、通常1名様申込で49,980円(税込)から
 ★1名で申込の場合、47,250円(税込)へ割引になります。
 ★2名同時申込で両名とも会員登録をしていただいた場合、計49,980円(2人目無料)です。
学校関係者価格は、企業に在籍されている研究員の方には適用されません。
■ 会員登録とは? ⇒ よくある質問
定員
30名 ※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
備考
昼食・資料付き

講座の内容

受講対象・レベル
ディープラーニングに興味があり、実践したい方
必要な予備知識
特に予備知識は必要ありません
習得できる知識
・データ処理の基本(理論と実践)
・機械学習/ディープラーニングの基本(理論と実践)
趣旨
 機械学習/ディープラーニングに取り組むために初歩の理論と実践の方法を学びます。
 前半はなるべく数式を使用せず、データ処理、機械学習を説明します。後半は、ディープラーニングの基礎を解説し、Windows(7,10)での環境構築方法から、自身のもつデータを分析する実践方法を解説します。
 講演後、すぐにディープラーニングを実践できることを目標とします。
プログラム
1.機械学習/ディープラーニングを行う際に必要なデータ処理の基本
 1-1 データの定義
 1-2 扱うデータの特性を把握する
 (1)時間軸/場所の考慮
 (2)データを発生させるもの
 1-3 データの前処理
 (1)データの抜け、異常値への対応
 (2)データの量を調整する(増やす/減らす)
 (3)データの次元を削減する
 1-4 ディープラーニングの精度を上げるためにどのようなデータを用意するか?
 (1)必要となるデータの量
 (2)データクレジング
 (3)フレームワークでの処理
 1-5 サンプルデータの説明
 (1)デモで使用するサンプルデータの説明

2.機械学習/ディープラーニングの数理・確率論~対象物を数値情報へ変換する~
 2-1 分布
 2-2 次元とベクトル
 2-3 画像を数値情報へ変換する
 2-4 言語を数値情報へ変換する
 2-5 音を数値情報へ変換する
 2-6 状態を数値情報へ変換する

3.機械学習の基礎と実践
 3-1 機械学習の基本
 (1)データがモデルをつくる
 (2)学習結果をどう受け取るべきか
 3-2 学習の種類
 (1)教師あり学習の基本
 (2)教師なし学習の基本
 (3)強化学習の基本
 3-3 結果の分類
 (1)回帰
 (2)クラス分類
 3-4 Windowsで機械学習環境をオープンソースにて構築
 (1)使用可能なオープンソース一覧
 (2)Pythonの設定(Windows7端末の例)
 3-5 サンプルデータを機械学習で処理
 (1)何を導き出したいか?の定義
 (2)使用できるモデルは?
 (3)Pythonを実行し結果を得る
 3-6 機械学習のプログラム解説

4.ディープラーニングの基礎と実践
 4-1 機械学習とディープラーニングの違いは?
 (1)ニューラルネットワークとは
 (2)生じた誤差の吸収
 (3)特微量の抽出/学習の方法
 4-2 ディープラーニングを分類し、その特徴を把握する
 (1)畳み込みニューラルネットワーク CNN(Convolutional Neural Network)
 (2)再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
 (3)強化学習 (Deep Q-learning)
 4-3 Windowsでディープラーニング環境をオープンソースにて構築
 (1)TensorFlow
 (2)Chainer
 4-4 サンプルデータをディープラーニングで処理
 (1)TensorFlowで動かし結果を得る
 (2)Chainerで動かし結果を得る
 4-5 ディープラーニングのプログラム解説
 (1)TensorFlowの解説
 (2)Chainerの解説
 4-6 解析結果の考察とチューニング
 (1)TensorFlow
 (2)Chainer
 4-7 精度を上げるためにいかにパラメータを最適化するか?
 4-8 過学習の判断基準
 4-9 その他、実践にあたり注意すべきこと

5.このセミナーだけで終わらせないために
 5-1 twitter/ブログを通じた情報の収集
 5-2 より高速な環境を求める場合

 【質疑応答・名刺交換】
キーワード
ディープラーニング,deep learning,機械学習,基礎,実践,セミナー,研修,講習

関連するセミナー

関連する書籍・DVD

関連するタグ