2020年09月03日（木）
10:00～17:00
Tel：03-5857-4811 E-mail：info@rdsc.co.jp
問い合わせフォーム
非会員：
55,000円
（本体価格：50,000円）
会員：
49,500円
（本体価格：45,000円）
学生：
55,000円
（本体価格：50,000円）
会員（案内）登録していただいた場合、通常1名様申込で55,000円（税込）から
・1名で申込の場合、49,500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55,000円（2人目無料）です。
会員登録とは？ ⇒
よくある質問
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。
受講にはWindowsPCを推奨しております。
タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
資料付
【LIVE配信セミナーとは？】
・本セミナーは「Zoom」を使ったライブ配信セミナーとなります。Zoomアプリをダウンロードしてご受講いただくことをお薦めいたしますが、やむを得ずダウンロードできない場合は、Webブラウザ版（Google Chrome推奨）でもご受講いただけます。
・このホームページからお申し込みされた場合、すぐに自動返信メールが届きます。弊社のシステム上、メールの文面が通常セミナーでの受付内容になっておりますが、LIVE配信のセミナーで参加登録ができておりますので、ご安心ください。
・お申込み後、接続テスト用のURL（
https://zoom.us/test）から「ミーティングテストに参加」を押していただき、前日までに必ず動作確認をお願いします。セミナー資料は郵送にて開催3日前までには、お送りいたします。
ご自宅への送付を希望の方は、お申込み時にコメント欄にご住所などをご記入ください。
・開催日直前に別途視聴用のURLを記載した招待メールをお送りいたします。セミナー開催日時の10分前に、視聴用のURLよりログインしていただき、ご受講ください。Zoom WEBセミナーのはじめかたについては
こちらをご覧ください。
・ご質問については、オープンにできるご質問をチャットにご記入ください。個別相談（他社に知られたくない）のご質問は後日メールにて講師と直接お願いします。
・
講義の録音、録画などの行為や、テキスト資料、講演データの権利者の許可なく複製、転用、販売などの二次利用することを固く禁じます。
ディープラーニングに興味があるけれども、その正体がよく分からくて困っている方々や、多少聞きかじっているけれど、そこを超えてもっと奥まで知りたい方々や、使い方の基本的なコツを知りたい方などを主な対象としています。また、基礎から発展に至るまでの理論を包括的に理解したい方にもピッタリの内容です。
・ディープラーニングの数理・実践に対する包括的な基礎知識
・ディープラーニングを実際に使用するために必要な基礎知識とコツ
・基礎を超えたより実践的な考え方
ディープラーニング（深層学習）は複数の層が積まれた、多層構造のネットワークを用いて巧みに機械学習するための技術であり、現在の人工知能技術の根幹となっています。本講座は、基礎的な背景を含めて、ディープラーニングと触れ合うための概要知識と基礎的な設計技術の習得を主眼としています。基礎から実践に至るまで、幅広い知識習得をカバーします。
前半は主にディープラーニングの数理的背景や意味についての解説となります。何故、ディープラーニングが出てきたのか、そして、何故ディープラーニングが凄いのか。など、ディープラーニングの基本的な“何故”や疑問に出来るだけ答えていくことが目標です。
後半は主にディープラーニングの技術的な側面に注目します。ディープラーニングの利用には様々な種類のアルゴリズムが必要となり、それらたくさんのアルゴリズムの把握は初学者にとって非常に大変な作業となります。後半では、それぞれのアルゴリズムが“何故”必要なのか、そして、“何故”そんなにたくさんの種類のアルゴリズムが存在しているのかなどの疑問に、代表的なアルゴリズムを紹介しながら答えていきます。また、更なる発展的な技術やディープラーニングの運用上のコツや考え方などをご紹介します。内容の性質上、（特に後半は）数式が少なからず出現しますが、必要に応じて補足をしていくので特殊な専門知識は必要ありません。
１．機械学習とは何か？
（１） 機械学習が目指すもの
（２） 機械はデータから知識を獲得する
（３） 機械学習の種類
a. 教師あり学習
b. 教師なし学習
（４） 深層学習（ディープラーニング）モデルの鳥瞰
２．深層学習への道のり
（１） ニューラルネットワークの基礎
a. 単純パーセプトロン ～機械学習の事始め～
b. フィードフォワードニューラルネットワーク
c. パターン認識問題
d. 誤差逆伝播法（バックプロパゲーション）
e. ニューラルネットワークの技術的問題点
（２） 深層学習へ ～歴史的背景を踏まえて～
a. 事前学習という考え方
b. 自己符号化器と積層自己符号化器
c. 深層学習の真相
d. 画像データ・時系列データのための深層学習 ～CNNとRNN～
３．深層学習の基本技術（必須な基本技術）
（１） 基本的な技術Ⅰ（勾配降下法について）
a. 確率的勾配降下法（SGD）
b. 勾配法の様々なアルゴリズム（Adam、AdaMax、AMSGrand法など）
（２）基本的な技術Ⅱ（パラメータの初期化について）
a. 入力データの初期化
b. 学習パラメータの初期化（Xavier、Heの方法）
４．より進んだ実践技術と発展的技術紹介
（１） 過学習
a. 過学習とは
b. 学習するときはコレに注目せよ ～学習誤差の指標～
c. 過学習の問題と見抜き方 ～過適合は最悪の人工知能リを導く～
（２） 正則化法
a. 正則化技術で過学習を緩和させる
b. 様々な正則化アルゴリズム（重み減衰、ドロップアウト、バッチ正則化）
（３）その他の最新技術
a. 極端学習機械とリザバーコンピューティング
b. 転移学習
（４）口伝の実践技術（運用の際の考え方と注意点など）
a. 層の設計について
b. 学習がうまくいかないときの対処
c. 設計の際の重要な考え方
d. 事前学習の秘められたもう一つの可能性
５．本講座の総括といくつかの話題
【質疑応答】
10：00～11：10 講義1
11：10～11：20 休憩
11：20～12：30 講義2
12：30～13：20 昼食休憩
13：20～14：20 講義3
14：20～14：30 休憩
14：30～15：40 講義
15：40～15：50 休憩
15：50～17：00 講義・質疑応答
※進行により多少前後する可能性がございます。
ディープラーニング,機械学習,深層学習,ニューラルネットワーク,DL,研修.講座.セミナー
