過去のセミナー

OLD SEMINARS
金融セミナーのセミナーインフォ > 過去のセミナー > Pythonで超実習ディープラーニング実践!強化学習・画像認識・自然言語処理

Pythonで超実習ディープラーニング実践!強化学習・画像認識・自然言語処理

本セミナーは終了致しました。
受講区分 会場
開催日時 2019-11-06(水) 9:30~16:30
講師
株式会社スカイディスク
山下 長義 氏 AIエンジニアリング部
東京女子大学情報処理センター
(一般社団法人ディープラーニング協会有識者会員)
浅川 伸一 氏

【山下 長義 氏】
株式会社スカイディスク AIエンジニアリング部 マネージャー 兼 シニアAIエンジニア
関西大学工学部卒、大阪大学大学院情報科学研究科にてデータマイニングの研究で博士号を取得 その後、独立行政法人日本学術振興会、GMOリサーチ株式会社、株式会社フリークアウトを経て現職 これまで一貫して人工知能・データマイニングに関わる業務に携わってきた 日本人工知能学会所属 また、人工知能や機械学習をもっとビジネスに生かしたいという思いから、グロービス経営大学院で経営学を学んでいる

【浅川 伸一 氏】
早稲田大学第一文学部卒、同大学大学院修了 博士(文学) 文教大学人間科学部助手を経て現職 専門は計算論的神経科学など 日本神経回路学会、日本認知科学会、日本人工知能学会、IEEE Computational Intelligence Society, Cognitive Science Society, Organization for Computational Neuroscience等所属 著書に『ディープラーニング、ビッグデータ、機械学習あるいはその心理学』(新曜社2014)、『Pythonで体験する深層学習』(コロナ社2016)、『人工知能学大事典』(人工知能学会編、共立出版2017)、『深層学習教科書ディープラーニングG検定(ジェネラリスト) 公式テキスト』(監修:日本ディープラーニング協会、共著、翔泳社2018)など 日本ディープラーニング協会G検定対策講座など非エンジニア/ビジネスパーソン向けのデータサイエンスセミナーでの登壇経験も豊富

※掲載しております書籍『ディープラーニング 要点整理 テキスト&問題集』は2019年10月16日発売予定でございます。実際の書影とは異なる可能性がございますのでご了承下さい。

概要 現在、画像認識、囲碁、自然言語処理等の複数課題において人間の性能を凌駕するようになっています。最近までニューラルネットワークの学習は、計算量的、人的、時間的、経済的に負荷のかかる高価な作業でした。ですが、この状況はAIの民主化(democratizing AI) によって、ほとんどの人にとって手の届くものとなりつつあります(たとえば autoML, auto-sklearn)。本セミナーでは、このような状況に対応するための基礎となる技法を体感しながら習得することを目指します。

また、機械学習の初心者にとって環境構築が著しく困難で実際のビジネス応用に辿り着くまでに挫折することが多い点が、これまでビジネスに関わる方の不満としてあった中、本セミナーでは、Google Colaboratoryを用いることで、環境構築に費やすコストを削減し、最新の技術によって性能が向上した認識、判断、生成を実習します。是非、ご受講をご検討ください。

なお、受講前に必要となるレベルのPython, 確率統計、機械学習、データ分析手法の入門レベルまでの知識を習得されたい方は、11月1日(金)開催セミナー「Pythonでデータサイエンス! 機械学習超入門」とセットでのご受講を強くおすすめします。是非、ご検討ください。

●この講座で得られること●
・Google Colaboratory, Pythonの実践応用的な利用法
・深層学習、深層強化学習などの知識の習得
・深層学習 フレームワークTensorFlow, Kerasの使い方・画像認識、自然言語処理などへの応用の勘所と実際の活用事例
セミナー詳細 1.深層学習環境の構築
(1)Kaggle, GitHub, ArXivの利用上の注意
(2)深層学習フレームワーク: TensorFlow, Keras

2.ニューラルネットワークの基礎
(1)ニューラルネットワークの特徴(複雑な関数を近似、内部表現、End to End Learning)
(2)多層パーセプトロン
   パーセプトロン学習則(重み、バイアス)、活性化関数、誤差関数
(3)確率的最急降下法(勾配降下法、確率的勾配降下法、正則化項 (L2, L1, L0)、
   各種最適化手法(AdaGrad, AdaDelta, RMSProp, Adam))
(4)ニューラルネットワークの歴史

3.畳み込みニューラルネットワークCNN
(1)畳み込みニューラネットワークの基本
   畳み込み、プーリング、全結合層、パディング、重み共有
(2)代表的なモデル
   AlexNet, GoogLeNet, LeNet, ResNet, vgg16, カプセルネットワーク
(3)学習済みモデルの利用
   転移学習、蒸留、ファインチューニング

4.リカレントニューラルネットワークRNN
(1)時間依存の情報が含まれる系列データ、再帰構造 
(2)エルマンネット・ジョーダンネット
(3)BPTT 
(4)LSTM(メモリー・セル、入力ゲート、忘却ゲート)、GRU
(5)Bidirectional RNN 
(6)seq2seq, RNN encoder-decoder, 機械翻訳
(7)アテンション 
(8)seq2seq(埋め込みモデル)による意味表現 
(9)言語モデル(ELMo, BERT など)

5.深層強化学習
(1)エージェントと環境、効用関数、探索と利用のジレンマ
(2)価値、方策、Q学習 
(3)深層Q学習 
(4)ゲームAIへ (AlphaGo)

6.敵対生成学習GANsと自己符号化器
(1)敵対生成学習(敵対的生成ネットワークGANs: Generative adversarial networks)
  (a)敵対生成学習
  (b)さまざまな敵対生成学習モデル(Pix2pix, Cycle GAN, SRGAN, StackGANなど)
(2)自己符号化器
  (a)自己符号化器の基本
  (b)積層自己符号化器とファインチューニング
  (c)変分オートエンコーダ

7. AIの自動化、民主化
(1)autoML 
(2)Auto-sklearn

8.振り返りと質疑応答
※ 講義、特に演習時は、インタラクティブなチュートリアルスタイルで運営します
※ 録音、ビデオ・写真撮影はご遠慮ください
補足事項 ※ 当日は動作確認を行いますので午前9時15分までにご来場ください。
※回数券を使用して当セミナーにお申込されます場合、2回分の回数券が必要となります。(11/1セミナーとセットでのお申込には3回分の回数券が必要となります。)
※ 昼食をご用意いたします。
※ インターネットを使用します。Wi-Fi環境をご用意いたしますので、接続可能なPCをご持参ください。
※ 事前配布資料「Google Colaboratory 接続の手順書」を開催1週間前にメール送付します。
※ Google Colaboratory 環境で実習していただきます。事前に本セミナー専用のGoogle アカウントをご用意ください。
詳しくは「Google Colaboratory 接続の手順書」内にてご案内します。
※ 「Google Colaboratory 接続の手順書」の内容についてはセミナー当日の講義冒頭で簡単に解説しますが、開催前日までにご自身のPC (セミナー当日持参のPC) で本手順書に沿って動作確認をおこなってください。 

カテゴリ
関連キーワード
お問い合わせ先 株式会社セミナーインフォ
TEL : 03-3239-6544   E-mail : seminar-operation@seminar-info.jp
お問い合わせフォーム
申込規約・全額返金保証の規約
※ 印刷用ページもご用意しております。本ページの内容を印刷される際にご利用ください。
PDF

該当データはありません。