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の基礎と実践

ディープラーニングの基礎と実践

オンライン 開催 デモ付き
本セミナーは、申し込みの受け付けを終了いたしました。

視聴期間は2024年4月16日〜23日を予定しております。
お申し込みは2024年4月19日まで承ります。

概要

本セミナーでは、機械学習について基礎から解説し、ディープラーニングの具体的な実践方法をわかりやすく解説いたします。

開催日

  • 2024年4月19日(金) 10時30分 2024年4月23日(火) 16時30分

修得知識

  • データ処理の基本 (理論と実践)
  • 機械学習/ディープラーニングの基本 (理論と実践)

プログラム

 機械学習/ディープラーニングに取り組むために初歩の理論と実践の方法を学びます。
 前半はなるべく数式を使用せず、データ処理、機械学習を説明します。後半は、ディープラーニングの基礎を解説し、Windowsでの環境構築方法から、自身のもつデータを分析する実践方法をデモ形式にて解説します。講演後、すぐにディープラーニングを実践できることを目標とします。

  1. 機械学習/ディープラーニングを行う際に必要なデータ処理の基本
    1. データの定義
    2. 扱うデータの特性を把握する
      1. 時間軸/場所の考慮
      2. データを発生させるもの
    3. データの前処理
      1. データの抜け、異常値への対応
      2. データの量を調整する (増やす/減らす)
      3. データの次元を削減する
    4. ディープラーニングの精度を上げるためにどのようなデータを用意するか?
      1. 必要となるデータの量
      2. データクレジング
      3. フレームワークでの処理
    5. サンプルデータの説明
      1. デモで使用するサンプルデータの説明
  2. 機械学習/ディープラーニングの数理・確率論〜対象物を数値情報へ変換する〜
    1. 分布
    2. 次元とベクトル
    3. 画像を数値情報へ変換する
    4. 言語を数値情報へ変換する
    5. 音を数値情報へ変換する
    6. 状態を数値情報へ変換する
  3. 機械学習の基礎と実践
    1. 機械学習の基本
      1. データがモデルをつくる
      2. 学習結果をどう受け取るべきか
    2. 学習の種類
      1. 教師あり学習の基本
      2. 教師なし学習の基本
      3. 強化学習の基本
    3. 結果の分類
      1. 回帰
      2. クラス分類
    4. Windowsで機械学習環境をオープンソースにて構築
      1. 使用可能なオープンソース一覧
      2. Pythonの設定 (Windows10端末の例)
    5. サンプルデータを機械学習で処理
      1. 何を導き出したいか?の定義
      2. 使用できるモデルは?
      3. Pythonを実行し結果を得る
    6. 機械学習のプログラム解説
  4. ディープラーニングの基礎と実践
    1. 機械学習とディープラーニングの違いは?
      1. ニューラルネットワークとは
      2. 生じた誤差の吸収
      3. 特微量の抽出/学習の方法
    2. ディープラーニングを分類し、その特徴を把握する
      1. 畳み込みニューラルネットワーク CNN (Convolutional Neural Network)
      2. 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
      3. 強化学習 (Deep Q – learning)
      4. 新しい流れ Attetion/Transformerに関して
    3. サンプルデータをディープラーニングで処理
      1. TensorFlowで動かし結果を得る
      2. PyTorchで動かし結果を得る
    4. ディープラーニングのプログラム解説
      1. TensorFlowの解説
      2. PyTorchの解説
    5. 精度を上げるためにいかにパラメータを最適化するか?
      1. Optunaを使用したパラメータ推定
    6. XAI
      1. XAIの基本
      2. サンプル
    7. その他、実践にあたり注意すべきこと

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
: 50,000円 (税別) / 55,000円 (税込)
複数名
: 25,000円 (税別) / 27,500円 (税込) (案内をご希望の場合に限ります)

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。

「案内の希望」をご選択いただいた場合、1名様 45,000円(税別) / 49,500円(税込) で受講いただけます。
複数名で同時に申込いただいた場合、1名様につき 25,000円(税別) / 27,500円(税込) で受講いただけます。

  • R&D支援センターからの案内を希望する方
    • 1名様でお申し込みの場合 : 1名で 45,000円(税別) / 49,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 50,000円(税別) / 55,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 75,000円(税別) / 82,500円(税込)
  • R&D支援センターからの案内を希望しない方
    • 1名様でお申し込みの場合 : 1名で 50,000円(税別) / 55,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 100,000円(税別) / 110,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 150,000円(税別) / 165,000円(税込)

アーカイブ配信セミナー

  • 当日のセミナーを、後日にお手元のPCやスマホ・タブレッドなどからご視聴・学習することができます。
  • 配信開始となりましたら、改めてメールでご案内いたします。
  • 視聴サイトにログインしていただき、ご視聴いただきます。
  • 視聴期間は2024年4月16日〜23日を予定しております。
    ご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。
  • セミナー資料は別途、送付いたします。
本セミナーは、申し込みの受け付けを終了いたしました。

これから開催される関連セミナー

開始日時 会場 開催方法
2024/4/15 少ないデータに対する機械学習、深層学習の適用 オンライン
2024/4/17 ルールベースと機械学習ベースの画像認識技術 オンライン
2024/4/18 生成AIをめぐる著作権問題の最前線 東京都 会場・オンライン
2024/4/19 実験計画法・ベイズ最適化を用いた効率的な実験デザイン オンライン
2024/4/24 脳波計測・処理・解析・機械学習の基礎と応用および脳波データの活用方法 オンライン
2024/4/24 技術者・研究者のための多変量解析入門講座 オンライン
2024/4/25 カルマンフィルタの実践 オンライン
2024/4/26 ExcelとPythonによる多変量解析 超入門 オンライン
2024/4/26 少ないデータに対する機械学習、深層学習の適用 オンライン
2024/4/26 AI関連発明の出願戦略のポイントと生成AIを巡る知財制度上の留意点 オンライン
2024/4/26 ChatGPTを活用したPythonプログラミングとコード生成 オンライン
2024/5/2 脳波計測・処理・解析・機械学習の基礎と応用および脳波データの活用方法 オンライン
2024/5/8 実験計画法・ベイズ最適化を用いた効率的な実験デザイン オンライン
2024/5/8 AI関連発明の出願戦略のポイントと生成AIを巡る知財制度上の留意点 オンライン
2024/5/17 スパース推定の本質の理解と実装応用技術への展開 オンライン
2024/5/23 ベイズ統計学の基礎と演習 オンライン
2024/5/23 ベイズ統計から学ぶ統計的機械学習 オンライン
2024/5/23 3次元モデリング/自由視点画像生成のための「NeRF」の基礎 オンライン
2024/5/24 マテリアルインフォマティクスの材料開発への適用と活用事例 オンライン
2024/5/24 画像認識のためのディープラーニングとモデルの軽量化 オンライン

関連する出版物

発行年月
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2021/10/25 AIプロセッサー (CD-ROM版)
2021/10/25 AIプロセッサー
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/7/14 AIビジネスのブレークスルーと規制強化
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術
2020/3/26 ビッグデータ・AIの利活用に伴う法的留意点
2020/3/24 リアルワールドデータの使用目的に応じた解析手法 - 各データベースの選択と組み合わせ -
2019/1/31 センサフュージョン技術の開発と応用事例
2018/5/31 “人工知能”の導入による生産性、効率性の向上、新製品開発への活用
2013/6/21 機械学習によるパターン識別と画像認識への応用
2003/6/27 ニューアルゴリズムによる画像処理システム事例解説
2001/9/28 MATLABプログラム事例解説Ⅱ アドバンスド通信路等化
1993/3/1 新しいサーボ制御の基礎と実用化技術