DEEP LEARNING HANDS-ON SEMINER 実務に必要な幅広いスキルセットを短時間で身につけよう

人工知能(AI)の主要技術であるディープラーニング
MNISTといったサンプルプログラムを動かすだけで満足していませんか?

解析するためのGPUを含めた環境構築は?
自前で準備した画像やテキストの使い方は?
うまくいかない時の対処法は?

ディープラーニングを学ぶには多くの落とし穴があります。

受講実績3000名突破!日本一わかりやすいと評判の
『手書きの数学』『ハンズオン形式のプログラミング』で
一緒にディープラーニングを学びましょう!

お申込みはこちら

SEMINAR

受講後の人物像・セミナー概要

人工知能(AI)の主要技術であるディープラーニングの数学からプログラミング、 Azure上のGPU搭載マシンの環境構築まで、知識やスキルを効率よく習得できます。 画像・時系列・自然言語のデータの取り扱いまでカバーしているため、 技術の引き出しを大きく増やすことができます。

  • 基礎

    ディープラーニングにゴールを絞ることで、必要な数学(微分・線形代数・統計)を繋がりよく解説します。 中学校から大学までの数学の範囲を1日で学べます。

  • 応用

    Microsoft Azureでの解析環境の構築からPythonでのプログラミング、 ディープラーニングフレームワークであるChainerの実装方法について学びます。

  • 実装

    企業からニーズの高い画像解析(外観検査)、時系列解析(需要予測)、自然言語解析(文書分類・チャットボット)まで実用的なお題での実装を学びます。

FEATURE

本セミナーの特長

受講生からいただいた多くの声にお応えした内容となっています。

CURRICULUM

カリキュラム(30時間講座)

  • 事前学習1(5時間)

    イントロダクション:40分

    • 人工知能・機械学習・ディープラーニングとは
    • 機械学習に必要な数学
    • 機械学習の3大トピック
    • 内挿と外挿

    微分:50分

    • 微分は「何」に使えるのか?
    • 導関数を求めよう
    • 微分の公式
    • 偏微分

    単回帰分析(数学):40分

    • 「モデル」決める
    • 「評価関数」を決める
    • 評価関数を「最小化」する

    Python入門:70分

    • プログラミングの環境構築
    • 変数
    • 基本構文
    • 複数の変数を扱う
    • 制御構文
    • 関数

    単回帰分析:40分

    • Numpyの数値計算
    • Pandasによるデータベース操作
    • Matplotlibでグラフの描画
    • 実データに対する単回帰分析の実装

    線形代数:60分

    • スカラー・ベクトル・行列
    • 行列の演算
    • サイズ感
    • 転置・単位行列・逆行列
    • ベクトルで微分
  • 事前学習2(4時間)

    重回帰分析(数学):50分

    • 「モデル」を決める
    • 「評価関数」を決める
    • 評価関数を「最小化」する

    重回帰分析(実装):70分

    • 行列演算の基礎
    • パラメータの導出
    • 実データで演習

    統計:30分

    • 主な統計量
    • 正規分布と3σ法
    • スケーリング

    外れ値を考慮した実装:30分

    • 外れ値除去
    • モデル構築
    • スケーリングとパラメータの確認

    ビジネス活用:15分

    • 現場で機械学習を導入できる人材とは

    Python練習:30分

    • クラス
    • アルゴリズム徹底演習

    Docker入門:15分

    • Dockerとは
    • 仮想環境構築
    • DockerイメージとDockerコンテナ
  • 1日目(7時間)

    イントロダクション:60分

    • 自己紹介
    • AIの開発フロー

    数学演習(テスト):60分

    • 微分
    • 線形代数
    • 統計

    プログラミング演習(テスト):150分

    • Jupyter Notebook
    • リスト・タプル・辞書
    • 制御構文
    • Numpy, Pandas, Matplotlib

    環境構築:60分

    • Azure
    • GPU(Cuda)
    • Docker
    • Nvidia-docker

    ディープラーニング(数学):60分

    • ニューラルネットワークのモデル
    • 線形変換
    • 非線形変換

    ディープラーニング(実装):30分

    • Chainerの基礎
    • 線形変換
    • 非線形変換
  • 2日目(7時間)

    分類(実装):180分

    • 問題設定(ワインの等級の予測)
    • クラスの文法
    • NNモデルの定義
    • Trainerの設定
    • バッチ正規化の実装

    回帰(実装):60分

    • 問題設定(家賃の予測)
    • NNモデルの定義
    • Trainerの設定

    画像処理(数学):60分

    • 画像の扱い方
    • どのようにベクトルで表現するか
    • フィルタの基礎
    • エッジフィルタの計算
    • Convolutional Neural Network

    画像処理(実装):30分

    • 画像の読み込み(OpenCV, Pillow)
    • フィルタの計算

    画像分類:60分

    • CNNモデルの定義
    • GPUでの計算方法

    課題:30分

    • 実データに対する画像分類の精度を高める
  • 3日目(7時間)

    時系列解析(数学):60分

    • 時系列データとは
    • どのようにベクトルで表現するか
    • 複数の変数に対するモデル化
    • Recurrent Neural Network

    時系列解析(実装):150分

    • データの取得
    • データの可視化
    • トレンドの抽出
    • RNNモデルの定義
    • 実データに対する分類の実装

    自然言語処理:30分

    • 形態素解析
    • 文章を単語に分ける形態素解析
    • どのようにベクトルで表現するか

    文書分類:150分

    • 形態素解析
    • 名詞のみの抽出
    • 特徴量変換(BoW)
    • 文書データから教師データ作成
    • NNモデルで分類の実装

    文章生成:30分

    • 可変長データの扱い
    • RNNによるモデル化

料金: 3日間のトレーニング料金200,000円(税別)

助成金対象者の方はこちら

※厚生労働省の教育訓練給付金
により4月から最大70%OFF

Maxium subside:
70% OFF

お申込みはこちら

SUMMARY

開催概要

地図 会場 定員 開始日 申込締切
東京(品川or池袋)
開催日の2ヶ月前程に決定します
10名 8/8~10(水~金) 9:30~17:30
8/22~24(水~金) 9:30~17:30
9/12~14(水~金) 9:30~17:30
9/26~28(水~金) 9:30~17:30
8/3(金) 18:00
8/17(金) 18:00
9/7(金) 18:00
9/21(金) 18:00
品川 20名 6/25~27(月~水) 9:30~17:30 満員御礼
池袋 12名 7/11~13(水~金) 9:30~17:30
7/25~27(水~金) 9:30~17:30
7/6(金) 18:00
7/20(金) 18:00
大阪 10名 6/4~6(月~水) 9:30~17:30
7/18~20(水~金) 9:30~17:30
9/19~21(水~金) 9:30~17:30
5/30(水) 18:00
7/13(金) 18:00
9/14(金) 18:00
名古屋
(日本マイクロソフト株式会社中部支店)
10名 8/29~31(水~金) 9:30~17:30 8/24(金) 18:00
福岡 10名 7/4~7/6(水~金) 6/29(金) 18:00

お申込みはこちら

TESTIMONIALS

本セミナーの満足度

この1年間、数多くのセミナーに参加してきましたが、今回が一番理解でき、大変素晴らしい内容でした。

手書きの数学も含めたハンズオンで非常に理解が深まりました。

お申込みはこちら

FAQ

よくあるご質問