フレームワークによる機械学習・ディープラーニングの基礎【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　フレームワークによる機械学習・ディープラーニングの基礎【提携セミナー】

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

〇機械学習の基本とディープラーニングの基本を極力数式なしで説明します。

〇講師が実際のデータを操作することで、データをどう扱うかを学習していきます。

フレームワークによる

機械学習・ディープラーニングの基礎

≪画像（分類）、音（異常検知）、自然言語（トピック分類）、それぞれの例で解説≫

【提携セミナー】

主催：株式会社情報機構

機械学習の基本とディープラーニングの基本を極力数式なしで説明します。
そのため、初学者でも現在話題となっているAIの中身がどうなっているかを学習することができます。

講師が実際のデータを操作することで、データをどう扱うかを学習していきます。
画像（分類）、音（異常検知）、自然言語（トピック分類）、それぞれの例で解説しますので、それぞれがどのように取り扱われるかが具体的に学習できます。

◆受講後、習得できること

機械学習の基礎知識
フレームワークを活用した機械学習、深層学習のプログラム実行方法
企業内での課題解決

◆受講対象者

本テーマに興味のある方なら、どなたでも受講可能です。

◆必要な予備知識など

この分野に興味のある方なら、特に予備知識は必要ない。

◆講演中のキーワード

機械学習
ディープラーニング
深層学習
PyTorch

担当講師

株式会社LINK.A　（リンクドットエイ）代表取締役太田桂吾先生

■ご略歴：
岡山大学　文学部卒業
システムエンジニアとして25年勤務

■ご専門および得意な分野・研究：
機械学習・ディープラーニング

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と統計
（１）．統計をとるとはどういうことか
（２）．２つのデータ、どれくらい似ている（違っている）か
（３）．統計と機械学習/ディープラーニングの関係
（４）．機械学習/ディープラーニングの手法概観
（５）．機械学習/ディープラーニングで最も重要なこと

２．データを用意する
（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）事象を数値情報
ａ．画像を数値情報へ変換する
b．言語を数値情報へ変換する
c．音を数値情報へ変換する
d．状態を数値情報へ変換する
（４）．データの前処理
ａ．データの抜け、異常値
ｂ．データの量を調整する（増やす／減らす）
ｃ．正規化する
d．グラフに書く
e．他の手法

３．機械学習の基礎と実践
（１）．機械学習をどう分類する
（２）．データの種類からの分類
ａ．教師あり学習の基本
ｂ．教師なし学習の基本
ｃ．強化学習の基本
（３）．結果からの分類
ａ．回帰
ｂ．クラス分類

４．機械学習の基礎と実践
（１）．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（Windows10端末の例）
（２）．サンプルデータを機械学習で処理
ａ．Pythonを実行し結果を得る
（３）．機械学習のプログラム解説

５.ディープラーニングの基礎と実践
（１）機械学習とディープラーニングの違いは？
a) ディープニューラルネットワークとは
b) 把握すべきディープニューラルネットワークの特性
（２）ディープラーニングの各手法を把握する
a) 畳み込みニューラルネットワーク CNN（Convolutional Neural Network）
b) 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
（３）ディープラーニングで画像分類する
a) 前処理の詳細
b) CNNで画像分類

６．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