少ないデータに対する機械学習、深層学習の適用
【LIVE配信】2024/4/15(月) 10:30~16:30 , 【アーカイブ配信】4/16~4/30 (何度でも受講可能)
お問い合わせ
03-6206-4966
開催日時 | 未定 |
---|---|
担当講師 | 太田 桂吾 氏 |
開催場所 | 未定 |
定員 | - |
受講費 | 未定 |
☆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!
【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
◆ 必要な予備知識
◆ 習得できる知識
(株)ネクステージ AIアナリスト 太田 桂吾 氏
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(Windows10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)新しい流れ Attetion/Transformerに関して
4-3 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)PyTorchで動かし結果を得る
4-4 ディープラーニングのプログラム解説
(1)TensorFlowの解説
(2)PyTorchの解説
4-5 精度を上げるためにいかにパラメータを最適化するか?
(1) Optunaを使用したパラメータ推定
4-6 XAI
(1) XAIの基本
(2) サンプルプログラム
4-7 その他、実践にあたり注意すべきこと
<質疑応答>
未定
未定
未定
※セミナー主催者の会員登録をご希望の方は、申込みフォームのメッセージ本文欄に「R&D支援センター会員登録希望」と記載してください。ご登録いただくと、今回のお申込みから会員受講料が適用されます。
※R&D支援センターの会員登録とは?
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。