. .
セミナー・イベントTOPへ戻る

・ディープラーニングの理論を実装に落とし込むコツを修得するための講座
・予備知識のない方でも学習が進められるように基礎から丁寧に解説する特別セミナー!

*PCは会場にご用意いたします
*当日は、講師の著書をお配りいたします
 (受講者数の定員がございますので、お早目にお申し込みください)

Pythonによるディープラーニングの基礎講座 〜1人1台PC実習付〜
〜 ニューラルネットワーク、ディープニューラルネットワークの理論と実装、
TensorFlow、Kerasのライブラリの活用 〜

■開催日時:2017年10月02日(月) 10:30 〜 17:30


■会場:日本テクノセンター研修室
    (東京都新宿区西新宿二丁目7-1 小田急第一生命ビル 22階)

■受講料:一般(1名) : 55,080円 (税込)
     同時複数申し込みの場合(1名) : 49,680円 (税込)

■主催:(株)日本テクノセンター


■受講対象者
・システム・ソフト関連の技術者の方
・ディープラーニングという言葉は知っているが、なかなか勉強をするきっかけがつかめない方
・ディープラーニングをこれからはじめたい技術者の方
・ディープラーニングでどのようなことができるのか知りたい方
・ディープラーニングの理論をよくわからないままライブラリを試してしまっている方
	
■予備知識
・講座内でも簡単な説明は行いますが、簡単なプログラミングの知識(配列など)を事前に知って
 いると、理解がはかどります

■修得知識
・人工知能の基礎知識
・ディープラーニング理論の基本から応用まで
・ディープラーニングの理論を実装に落とし込むコツ
・TensorFlow (および Keras)を用いたディープラーニング手法の実装
・今後のディープラーニング学習で着目すべきポイント

■講師の言葉
 ここ最近、ディープラーニング(深層学習)がますます有名になり、研究やビジネスへの応用も
ますます活発になってきました。今や「人工知能」という言葉を新聞やテレビで目にしない日は
ないのではないでしょうか。実際、ディープラーニングが話題になりだした2012年頃と比較
すると、たくさんの情報がオンライン上に集約され、簡単に文献を調べることができるように
なっています。また、ディープラーニングのモデルを簡単に実装できる便利なライブラリも次々と
開発され、オープンソース化されているために、当時とは比べものにならないくらい、個人でも
簡単にディープラーニングを実装して試すことができるようになりました。
 一方で、ディープラーニングと聞くと、まだまだ
・興味はあるが、理論が難しそうなのでなかなかとっつけない
・どんなことに使えるのかいまいちイメージがつかない
 という声をたくさん聞くのも事実です。
 そこで、本講座では、人工知能・ディープラーニングに関して未経験の方を対象に、予備知識が
なくても学習を進められるよう、基礎から丁寧に理論および実装について説明していきます。実装
には、Python (3.x) を用います。ディープラーニングを実装するのに最も人気のある言語といって
いいでしょう。ディープラーニング向けのライブラリには、TensorFlow (および Keras) を
用います。いずれも、海外を中心に高い人気を博しているライブラリです。


1.数学知識の簡単な準備
  (1). 偏微分について
  (2). 線形代数について
    a.ベクトルの基本
    b.行列の基本

2.Python の基本の確認
  (1). データ型について
  (2). データ構造について
  (3). Python による基本演算
  (4). 関数とクラス
  (5). NumPy の基本

3.ニューラルネットワークの理論と実装
  (1). ニューラルネットワークとは
  (2). 単純パーセプトロン
    a.基本的な考え方
    b.モデル化
    c.実装
  (3). ロジスティック回帰
    a.ステップ関数とシグモイド関数
    b.モデル化
    c.実装
  (4). 多クラスロジスティック回帰
    a.モデル化
    b.実装
  (5). 多層パーセプトロン
    a.非線形分類について
    b.モデル化
    c.実装
  (6). モデルの評価

4.ディープニューラルネットワークの理論と実装
  (1). ディープラーニングへの準備
  (2). 学習における問題
  (3). 学習の効率化
    a.活性化関数
    b.ドロップアウト
    c.実装
  (4). 高度なテクニック
    a.データの正規化
    b.パラメータの初期化処理
    c.実装

5.ディープラーニングの応用
  (1). 更なるモデルの紹介
  (2). 最近の動向と注目分野について
  (3). 今後の学習について

Copyright (C) 2017 NTS Inc. All right reserved.