|
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・ロボティクス |
| 受講区分 | 会場 |
|---|---|
| 開催日時 | 2019-03-15（金） 9:30～16:45 |
| 講師 |
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
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、CognitiveScience Society、Organization for Computational Neuroscience等所属 |
| 開催地 | カンファレンスルーム（株式会社セミナーインフォ内） |
| 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、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。担当講師のスタートアップ企業との連帯経験を踏まえ、深層学習(ディープラーニング)をビジネス応用する際に考慮すべきポイントについても言及します。今後のビジネス展開の参考となる知識の習得を目指します。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と機械学習の入門レベルまでの知識を習得されたい方は、3/5(火) に開催する【Pythonで体感・データ分析/機械学習超入門】セミナーとセットでのご受講をご検討下さい。 この講座で得られること -------------------------------------------- ・Google Colaboratoryの基本的な使い方 ・機械学習ライブラリscikit learn、深層学習 フレームワークTensorFlow, Keras,PyTorchの使い方 ・深層強化学習、転移学習、autoMLなどの習得と使い方 ・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 |
| 詳細 |
１．【Python操作入門】事前配布資料「Google Colaboratoryで機械学習スタートアップキット」の解説 （１）Pythonの基礎 （２）Jupyter notebook、Google Colaboratoyの利用 （３）Python上の標準的なライブラリの利用: scikit learn、statmodels、pandas、seaborn （４）Kaggle、GitHub, ArXiv の利用上の注意 （５）深層学習フレームワーク: TensorFlow、Keras、PyTorch （６）教師あり学習(分類、回帰)、教師なし学習、次元削減、クラスタリング （７）サポートベクターマシン(SVM)、線形回帰、ロジスティック回帰 （８）ランダムフォレスト(Random forest)、k-平均法、k-最近傍法 （９）バイアス-バリアンス トレードオフ、ブースティグ、アンサンブル、XGboost ２．【Python基礎演習】ニューラルネットワークの基礎 （１）尤度、交差エントロピー、情報理論 （２）最適化手法:勾配降下法、ニュートン法、確率的勾配降下法、モーメント法、ネステロフ・モーメント （３）主成分分析、特異値分解、自己組織化、(非負)行列因子化法 （４）固有顔、フィッシャー顔、部分空間法 （５）マッカロックとピッツの形式ニューロンと生理学的対応物 （６）パーセプトロン学習則、誤差逆伝播学習則、正則化項 (L2、L1、L0) （７）各種活性化関数、シグモイド関数、ハイパータンジェント、整流線形ユニット、ソフトマックス関数、劣微分 （８）各種最適化手法、確率的勾配降下法、AdaGrad、AdaDelta、RMSProp、Adam、自然勾配法、ニュートン法、L-BGFS ３．【Python基礎演習】畳み込みニューラルネットワークCNN （１）ドロップアウト、データ拡張、各種正規化 （２）有名なモデル: LeNet、Alex Net、Inception、VGG、ResNet （３）R-CNN、ハイウェイネット、YOLO、SSD （４）セマンティックセグメンテーション （５）転移学習、事前学習、ファインチューニング ４．【Python応用演習&デモ】リカレントニューラルネットワークRNN （１）勾配消失問題、勾配爆発問題 （２）勾配チェック、勾配クリップ （３）双方向 RNN、QRNN （４）レザボアネット、エコーステートネットワーク （５）BPTT、QRNN、LSTM、GRU （６）言語モデル （７）埋め込みモデルによる意味表現 （８）潜在意味解析、トピックモデル (TDIDF、LSI、LSA、topic model) （９）注意(seq2seq、transformer) （10）機械翻訳、sentence vector (skip-thought、ELMo、BERT、Tough-to-beat) （11）各種評価指標 sacre BLUE、negative log likelihood、perprexity （12）画像脚注付け (NIC)、pix2pix、img2txt、VQA （13）ニューラルチューリングマシン ５．【Python応用演習&デモ】強化学習 RL～ロボティクス基礎～ （１）エージェントと環境、マルコフ決定過程 MDP、POMDP、効用関数、ベルマン方程式、探索と利用のジレンマ、SARSA （２）価値、方策、Q学習、モデルベース対モデルフリー （３）深層Q学習 （４）ゲームAIへ (AlphaGo、AlphaGoZero、OpenAI five) （５）セルフプレイ （６）最近の発展: A3C、Rainbow、RDT、World model ６．【Python応用演習&デモ】 敵対生成学習と変分推論 （１）生成モデルと識別モデル （２）敵対生成学習、表象学習 （３）さまざまな敵対生成学習モデル(Pix2pix、vid2vid、など) （４）KLダイバージェンス、EMアルゴリズム、変分推論、変分 EMアルゴリズ、ELBO （５）オートエンコーダ、変分オートエンコーダ ７．【Python応用演習&デモ】 AIの自動化、民主化 （１）autoML、auto-sklearn （２）進化計算によるハイパーパラメータのチューニング （３）強化学習を用いハイパーパラメータのチューニング （４）メタ学習 (learn to learn) （５）最近の話題 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 ※ 1時間に一度程度質疑応答の時間を設定します ※ 録音、ビデオ・写真撮影はご遠慮ください |
| お問合わせ |
株式会社セミナーインフォ セミナー運営事務局 TEL ： 03-3239-6544 FAX ： 03-3239-6545 E-mail ： customer@seminar-info.jp |