ディープラーニングの基礎と実践　～PC実習付き～

※持参物について更新しました（8/2更新）

１．データ処理の基本
　1）データの定義
　2）扱うデータの特性を把握する
　　a）時間軸/場所の考慮
　　b）データを発生させるもの
　3）データの前処理
　　a）データの抜け、 異常値への対応
　　b）データの量を調整する(増やす/減らす）
　　c）データの次元を削減する
　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？
　　a）必要となるデータの量
　　b）データクレジング
　　c）フレームワークでの処理
　5）サンプルデータの説明
　　a）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～
　1）画像を数値情報へ変換する
　2）言語を数値情報へ変換する
　3）音を数値情報へ変換する
　4）状態を数値情報へ変換する

３．機械学習の基礎と実践
　1）機械学習の基本
　　a）データがモデルをつくる
　　b）結果をどう受け取るべきか
　2）学習の種類
　　a）教師あり学習の基本
　　b）教師なし学習の基
　　c）強化学習の基本
　3） Windowsで機械学習環境をオープンソースにて構築
　　a）使用可能なオープンソース一覧
　　b）Pythonの設定（Windows7/10 端末の例）
　4） サンプルデータを機械学習で処理
　　a）何を導き出したいか？の定義
　　b）使用できるモデルは？
　　c）Pythonを実行し結果を得る
　5）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
　1）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
　　a）TensorFlow環境の構築
　　　　★実践形式（ハンズオン形式）
　　b）Chainer環境の構築
　　　　★実践形式（ハンズオン形式）
　1）機械学習とディープラーニングの違いは？
　　a）ニューラルネットワークとは
　　b）生じた誤差の吸収
　　c） 特微量の抽出／学習の方法
　2）ディープラーニングを分類し、その特徴を把握する
　　a）畳み込みニューラルネットワーク CNN(Convolutional Neural Network）
　　　　★実践形式（ハンズオン形式）
　　b）再帰型ニューラルネットワーク RNN(Recurrent Neural Network）
　　　　★実践形式（ハンズオン形式）
　　c）強化学習(Deep Q-learning）
　　　　★実践形式（ハンズオン形式）
　5）プログラム解説
　　a）TensorFlowの解説
　　b）Chainerの解説
　6）解析結果の考察とチューニング
　　a）TensorFlow
　　★実践形式（ハンズオン形式）
　　b）Chainer
　　★実践形式（ハンズオン形式）
　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？
　　★実践形式（ハンズオン形式）
　8）過学習の判断基準
　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
　1）twitter/ブログを通じた情報の収集
　2）より高速な環境を求める場合

　【質疑応答・名刺交換】