ディープラーニングの基礎と実践【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　ディープラーニングの基礎と実践【提携セミナー】

ディープラーニングの基礎と実践【提携セミナー】

開催日時	2021/4/28（水）10:30～16:30
担当講師	太田桂吾氏
開催場所	【Zoomを使ったLIVE配信セミナー】
定員	30名
受講費	非会員： 55,000円（税込）会員： 49,500円（税込）

☆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

【提携セミナー】

主催：株式会社R&D支援センター

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デモ形式にて解説します。

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。

◆　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）

担当講師

(株)ネクステージ AIアナリスト　太田桂吾氏

セミナープログラム（予定）

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