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)

※柔軟な講座運営のため、専門実践教育訓練給付金の取り扱いを中止いたしました。
2018年6月5日時点で利用予定と申請して申し込まれていた方には給付金相当額を返金いたします。

※Azureアカウント使用料50,000円込み

セミナー満足度
100%

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
品川 20名 9/26~28(水~金) 9:30~17:30 10/10~12(水~金) 9:30~17:30 9/21(金) 18:00
10/5(金) 18:00
池袋 12名 11/7~9(水~金) 9:30~17:30 11/5(月) 18:00
名古屋
(日本マイクロソフト株式会社中部支店)
10名 10/17~19(水~金) 9:30~17:30
11/27~29(火~木) 9:30~17:30
10/12(金) 18:00
11/22(木) 18:00
福岡 10名 11/14~11/16(水~金) 11/9(金) 18:00
大阪 10名 未定 未定

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