技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

ディープラーニングとパターン認識、最先端の人工知能へ

ディープラーニングとパターン認識、最先端の人工知能へ

~ディープラーニングの基礎と実践~
東京都 開催

概要

本セミナーは、ディープラーニングと触れ合うための必須の知識習得を目標としています。

開催日

  • 2017年11月27日(月) 11時00分 16時30分

プログラム

 ディープラーニングは複数の層が積まれた、多層構造のネットワークを用いて、巧みに機械学習するための技術です。
 本セミナーは、基礎的な背景を含めて、ディープラーニングと触れ合うための最低限の知識習得を第一の目標としています。何故、ディープラーニングが出てきたのか、そして、何故ディープラーニングが凄いのか。それらの“何故”に出来るだけ答えていくことが本講演の最終的な目標です。
 ディープラーニングや人工知能に興味があるけれども、その正体がよく分からなくて困っている方々や、多少聞きかじっているけれど、そこを超えてもっと奥の真実を知りたい方々を主な対象としています。

  1. 機械学習とは何か?
    1. 機械学習が目指すもの
    2. 機械はデータから知識を獲得する
    3. 機械学習の種類
      1. 教師あり学習
      2. 教師なし学習
      3. 教師なし学習と人工知能
  2. 深層学習への道
    1. ニューラルネットワークの基礎
      1. 単純パーセプトロン ~機械学習の事始め~
      2. フィードフォワードニューラルネットワーク
      3. 誤差逆伝播法
      4. ニューラルネットワークの第一技術限界
    2. 深層学習に用いられるニューラルネットワークのしくみ
      1. 事前学習という考え方
      2. 自己符号化器は情報を圧縮する
      3. 積層自己符号化器がディープラーニングの1つの雛形
      4. 表現学習という言葉 ~特徴量の抽出と学習~
      5. 深層学習は一言でいうと○○をしている!
  3. その他の深層学習モデル
    1. 畳み込みニューラルネットワーク (CNN)
      1. CNNの仕組み
      2. CNNの学習
      3. CNNの使いどころ
    2. リカレントニューラルネットワーク (RNN)
      1. RNNの仕組み
      2. RNNの学習
      3. RNNの使いどころ
  4. 深層学習の深層部と実践
    1. 画像データを深層学習してみる
      1. 自動獲得されるフィルタ
      2. 学習された表現が組み込まれている場所
    2. 実践的な最新技術 ~パラメータチューニングの具体的な方法~
      1. 層を積むほど性能は上がるのか?
      2. 過適合の問題と見抜き方 ~過適合は最悪のアプリを導く~
      3. 正則化技術は過適合を緩和させる
      4. ディープラーニングの正則化技術
      5. 少数データでの学習はどうするか?
    3. 本講演のまとめ

講師

  • 安田 宗樹
    山形大学 大学院 理工学研究科 情報科学科
    准教授

会場

オームビル
東京都 千代田区 神田錦町3-1
オームビルの地図

主催

お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 46,000円 (税別) / 49,680円 (税込)
1口
: 57,000円 (税別) / 61,560円 (税込) (3名まで受講可)

割引特典について

  • 複数名 同時受講:
    1口 57,000円(税別) / 61,560円(税込) (3名まで受講可能)
本セミナーは終了いたしました。

これから開催される関連セミナー

開始日時
2018/9/25 強化学習を用いたスキル獲得手法とその応用 東京都
2018/9/27 ドライバの眠気・覚醒指標と検知・維持HMI 東京都
2018/9/28 ディジタル信号処理によるノイズ・雑音の低減/除去技術 東京都
2018/9/28 機械学習を用いた異常検知の基礎とその適用事例 東京都
2018/9/28 画像の対応付けの基礎とその高精度化 東京都
2018/10/1 PythonとKerasで学ぶ機械学習入門 東京都
2018/10/4 LiDARの最新動向と自動運転への応用 東京都
2018/10/5 技術課題を解決するツールとしての、ニューラルネットワークモデルとMTシステム、両手法の特徴と具体事例 東京都
2018/10/10 Pythonによるディープラーニング 東京都
2018/10/11 進化的機械学習とその応用 東京都
2018/10/11 遠赤外線カメラ (ナイトビジョンカメラ) の基礎とディープラーニングを組合わせた人検知技術 東京都
2018/10/12 エンジニアリングのための導入事例で学ぶ、技術課題解決手段として人工知能活用法 愛知県
2018/10/16 工場への CPS・IoT・AI導入における費用対効果の考え方と経営者説得の方法 東京都
2018/10/17 ディープラーニングとパターン認識、最先端の人工知能へ 東京都
2018/10/22 進化的機械学習の原理と企業での利用方法 東京都
2018/10/22 深層学習による時系列モデルと最新の研究事例 東京都
2018/10/25 人工知能を活用した実験計画法と最適条件の見つけ方 東京都
2018/10/25 機械学習及びディープラーニングの基礎と実践 東京都
2018/10/26 時系列データ分析の基礎とPythonを用いた実践 東京都
2018/10/29 次世代カメラの画像処理 東京都