キカガク

ディープラーニングハンズオンセミナー

セミナー申込
  • Chainerコース
  • Kerasコース

ディープラーニングハンズオンセミナーとは何ですか?

 

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搭載マシンでの学習計算まで、ハンズオン形式により知識やスキルを効率よく習得できます。

  • Microsoft Azureを使用し、GPUマシンでの計算を行います。
  • サンプルプログラムを動かして終わりではなく、問題設定から考えた実践的な演習をステップアップしながら学びます。
  • 入力データとして使用する画像・時系列・自然言語のデータの特徴量の選び方を学ぶことができます。


資料ダウンロード

ディープラーニングハンズオンセミナーとは何ですか?

 

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搭載マシンでの学習計算まで、ハンズオン形式により知識やスキルを効率よく習得できます。

  • Microsoft Azureを使用し、GPUマシンでの計算を行います。
  • サンプルプログラムを動かして終わりではなく、問題設定から考えた実践的な演習をステップアップしながら学びます。
  • 入力データとして使用する画像・時系列・自然言語のデータの特徴量の選び方を学ぶことができます。


資料ダウンロード

取得可能スキル

Python

Pythonの基礎的な文法やデータ整理に特化したライブラリであるPandasなどを学ぶだけではなく、どのように考えると綺麗なコードが書けるかといったコード記述の考え方も学ぶことができます。

Microsoft Azure

クラウドサービスであるMicrosoft Azureを用いてGPUマシンを搭載した環境構築を行います。実務では非常に大変な部分である環境構築をNvidia-docker等も組み合わせることにより非常に簡単に行うことができます。

Chainer

ディープラーニングフレームワークであるChainerを用いて回帰や分類といった基礎的な扱い方から、画像処理に特化したCNN、時系列特化のRNNなどの高度なディープラーニングの実装まで行えるようになります。

取得可能スキル

Python

Pythonの基礎的な文法やデータ整理に特化したライブラリであるPandasなどを学ぶだけではなく、どのように考えると綺麗なコードが書けるかといったコード記述の考え方も学ぶことができます。

Microsoft Azure

クラウドサービスであるMicrosoft Azureを用いてGPUマシンを搭載した環境構築を行います。実務では非常に大変な部分である環境構築をNvidia-docker等も組み合わせることにより非常に簡単に行うことができます。

Keras

ディープラーニングフレームワークであるKerasを用いて回帰や分類といった基礎的な扱い方から、画像解析のCNN、時系列解析のRNNや自然言語処理のSeq2Seqなど高度なディープラーニングの実装まで行えるようになります。またTensorFlowのグラフ化ツールTensorBoardを使い、モデル構築、学習、可視化をシームレスに行えるようになります。

こんな方におすすめ

  • ディープラーニングのプログラミングだけでなく、プログラミングに必要な数学も正しく理解しておきたい方
  • ディープラーニングには不可欠なGPUマシンの環境構築から計算の高速化までの流れを把握したい方
  • 画像・時系列・自然言語といったそれぞれの分野にも詳しくなりたい方

こんな方におすすめ

  • ディープラーニングのプログラミングだけでなく、プログラミングに必要な数学も正しく理解しておきたい方
  • ディープラーニングには不可欠なGPUマシンの環境構築から計算の高速化までの流れを把握したい方
  • 画像・時系列・自然言語といったそれぞれの分野にも詳しくなりたい方

カリキュラム

  • 事前学習
  • 1日目
  • 2日目
  • 3日目
所要時間 トピック 概要
40分 イントロダクション
  • 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
50分 微分
  • 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
40分 単回帰分析(数学)
  • 「モデル」決める
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 Python入門
  • 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
40分 単回帰分析(実装)
  • 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
60分 線形代数
  • 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
50分 重回帰分析(数学)
  • 「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
70分 重回帰分析(実装)
  • 行列演算の基礎
  • パラメータの導出
  • 実データで演習
30分 統計
  • 主な統計量
  • 正規分布と3σ法
  • スケーリング
30分 外れ値を考慮した実装
  • 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
15分 ビジネス活用
  • 現場で機械学習を導入できる人材とは
時刻 トピック 内容
9:30~10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00~10:40 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50~13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト・タプル・辞書
  • 制御構文
  • Numpy, Pandas, Matplotlib
13:30~14:30 環境構築
  • Azure
  • GPU(Cuda)
  • Docker
  • Nvidia-docker
14:40~16:00 ディープラーニング(数学)
  • ニューラルネットワークのモデル
  • 線形変換
  • 非線形変換
16:10~16:50 プログラミング基礎
  • Classの基礎
17:00~17:30 ディープラーニング(実装)
  • Chainerの基礎
  • 線形変換
  • 非線形変換
時刻 トピック 内容
9:30~11:30 分類(実装)
  • 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
11:40~14:00 回帰(実装)
  • 問題設定(家賃の予測)
  • NNモデルの定義
  • Trainerの設定
14:10~15:10 画像処理(数学)
  • 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
15:20~16:50 画像処理(実装)
  • 画像の読み込み(OpenCV, Pillow)
  • フィルタの計算
16:00~17:00 画像分類
  • CNNモデルの定義
  • GPUでの計算方法
17:00~17:30 課題
  • 実データに対する画像分類の精度を高める
時刻 トピック 概要
9:30~10:30 時系列解析(数学)
  • 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
10:40~13:30 時系列解析(実装)
  • 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
13:40~14:50 自然言語処理
  • 形態素解析
  • どのようにベクトルで表現するか
15:00~16:20 文書分類
  • 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
16:30~17:30 文章生成
  • 可変長データの扱い
  • RNNによるモデル化

カリキュラム

  • 事前学習
  • 1日目
  • 2日目
  • 3日目
所要時間 トピック 概要
40分 イントロダクション
  • 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
50分 微分
  • 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
40分 単回帰分析(数学)
  • 「モデル」決める
  • 「評価関数」を決める
  • 評価関数を「最小化」する
70分 Python入門
  • 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
40分 単回帰分析(実装)
  • 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
60分 線形代数
  • 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
50分 重回帰分析(数学)
  • 「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
70分 重回帰分析(実装)
  • 行列演算の基礎
  • パラメータの導出
  • 実データで演習
30分 統計
  • 主な統計量
  • 正規分布と3σ法
  • スケーリング
30分 外れ値を考慮した実装
  • 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
15分 ビジネス活用
  • 現場で機械学習を導入できる人材とは
時刻 トピック 内容
9:30~10:00 イントロダクション
  • 自己紹介
  • AIの開発フロー
10:00~10:40 数学演習(テスト)
  • 微分
  • 線形代数
  • 統計
10:50~13:30 プログラミング演習(テスト)
  • Jupyter Notebook
  • リスト・タプル・辞書
  • 制御構文
  • Numpy, Pandas, Matplotlib
13:30~14:30 環境構築
  • Azure
  • GPU(Cuda)
  • Docker
  • Nvidia-docker
14:40~16:00 ディープラーニング(数学)
  • ニューラルネットワークのモデル
  • 線形変換
  • 非線形変換
16:10~17:30 ディープラーニング分類(実装)
  • Kerasの基礎
  • GPU環境の確認
  • 問題設定(ワインの等級の予測)
  • Sequential APIによるNNモデルの定義
  • バッチ正規化の実装
時刻 トピック 内容
9:30~10:50 回帰(実装)
  • 問題設定(家賃の予測)
  • NNモデルの定義
  • Trainerの設定
11:00~12:00 画像処理(数学)
  • 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
13:00~14:30 画像処理(実装)
  • 画像の読み込み(OpenCV, Pillow)
  • フィルタの計算
14:40~15:40 画像分類
  • CNNモデルの定義
  • Functional APIの実装
15:50~16:20 課題
  • 実データに対する画像分類の精度を高める
16:30~17:30 TensorBoardの使い方
  • 学習過程の可視化
  • 画像データの表示
  • パラメータの確認
時刻 トピック 概要
9:30~10:30 時系列解析(数学)
  • 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
10:40~13:30 時系列解析(実装)
  • 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
13:40~14:50 自然言語処理
  • 形態素解析
  • どのようにベクトルで表現するか
15:00~16:20 文書分類
  • 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
16:30~17:30 文章生成
  • 可変長データの扱い
  • RNNによるモデル化

概要一覧

スケジュール

10/17,18,19(水~金)9:30 – 17:30@名古屋
11/7,8,9(水~金)9:30 – 17:30@品川
11/14,15,16(水~金)9:30 – 17:30@福岡
11/27,28,29(火~木)9:30 – 17:30@名古屋

料金

200,000円/名(税別)

開催場所

@品川
 東京都港区港南 2-16-3 品川グランドセントラルタワー
@池袋
 東京都豊島区池袋2丁目72-8 笹井ビル 2階
@大阪
 大阪府大阪市福島区福島 5 丁目 6 番地 16 ラグザタワー ノースオフィス 2F 受付
@名古屋
 愛知県名古屋市西区牛島町 6-1 名古屋ルーセントタワー 21F
@福岡
 福岡県福岡市博多区上川端町 12-20 ふくぎん博多ビル10 F

備考

特典:Azure5万円使用権付き

※ 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。

※最小催行人数:5名
セミナー初日の2週間前までに最小催行人数に達しなかった場合、セミナーを中止とさせていただきます。

アクセス

@品川
 JR 品川駅 / 港南口よりスカイウェイにて直結 徒歩 3 分
 京浜急行 / 品川駅より 徒歩 6 分
@池袋
 東京メトロ副都心線/ 池袋  徒歩6分
 山手線/ 池袋 北口 徒歩8分
 東京メトロ有楽町線/ 要町  徒歩12分
@大阪
 JR 環状線「福島駅」より徒歩 1 分
 阪神「福島駅」西出口 (2) より徒歩 1 分
 JR 東西線「新福島駅」出口 (1) より徒歩 1 分
@名古屋
 JR 名古屋駅桜通り口方面から地下道直結 徒歩 5 分
@福岡
 福岡市営地下鉄 中洲川端駅 5 番出口直結

概要一覧

スケジュール

池袋 11/14~16(水~金) 9:30~17:30

料金

200,000円/名(税別)

開催場所

@品川
 東京都港区港南 2-16-3 品川グランドセントラルタワー
@池袋
 東京都豊島区池袋2丁目72-8 笹井ビル 2階
@大阪
 大阪府大阪市福島区福島 5 丁目 6 番地 16 ラグザタワー ノースオフィス 2F 受付
@名古屋
 愛知県名古屋市西区牛島町 6-1 名古屋ルーセントタワー 21F
@福岡
 福岡県福岡市博多区上川端町 12-20 ふくぎん博多ビル10 F

備考

特典:Azure5万円使用権付き

※最小催行人数:5名
セミナー初日の2週間前までに最小催行人数に達しなかった場合、セミナーを中止とさせていただきます。

アクセス

@品川
 JR 品川駅 / 港南口よりスカイウェイにて直結 徒歩 3 分
 京浜急行 / 品川駅より 徒歩 6 分
@池袋
 東京メトロ副都心線/ 池袋  徒歩6分
 山手線/ 池袋 北口 徒歩8分
 東京メトロ有楽町線/ 要町  徒歩12分
@大阪
 JR 環状線「福島駅」より徒歩 1 分
 阪神「福島駅」西出口 (2) より徒歩 1 分
 JR 東西線「新福島駅」出口 (1) より徒歩 1 分
@名古屋
 JR 名古屋駅桜通り口方面から地下道直結 徒歩 5 分
@福岡
 福岡市営地下鉄 中洲川端駅 5 番出口直結

セミナー申込

必須
必須
必須
必須
必須
必須
必須

備え付けWindows PC使用について

必須

支払い

※ 請求書払いは法人申込の方が対象。
    また受講初日の翌月末払いとなります。


必須

セミナー申込

必須
必須
必須
必須
必須
必須
必須

備え付けWindows PC使用について

必須

支払い

※ 請求書払いは法人申込の方が対象。
    また受講初日の翌月末払いとなります。


必須

関連する他のセミナー