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

JDLA E資格認定!3日間で体系的に学べる人気セミナー

1. なぜキカガクのセミナーは選ばれているのか

ディープラーニングを学ぶためには多くの知識が必要となります。
この情報収集を独学で行うと、断片的に学ぶこととなり、結果的に多くの時間を費やしてしまいます。
特に初学者は何を学ぶ必要があるのか、何は学ばなくてもいいのかといった情報の取捨選択が最初のハードルとなります。

本セミナーのカリキュラムでは、初学者にとって難しい情報の取捨選択を現場での知見が豊富な講師が行うことで体系的かつ必要な情報が集約されています。
Preferred Networks社がカリキュラムの監修を行っており、実務に必要な情報が満載です。
このカリキュラムを講師がわかりやすく解説することにより、受講生の満足度が94%、350名超の受講生を輩出している実績を持っています。

 

2. 実務で必要なスキルを幅広く学べる

ディープラーニングの講座となると通常はディープラーニングのプログラミングに関する解説だけのものも多くあります。
しかし、数学の原理を把握せずにプログラミングを行っても内部の理解が浅く、実務に必要なチューニングを行うことができません。
そのため、キカガクの講座では数学を手書きで講師と受講生が一緒に書いて学びます。

整った計算機環境で演習を進めることは円滑な講義の実施には欠かせませんが、受講してもその環境を持ち帰ることができなければ、まず環境構築でつまずきます。
Microsoft共同開催のもと、受講後に社内や個人プロジェクトで使えるようなクラウド上での環境構築法まで紹介しています。
特に、GPU(Graphic Processing Unit)の環境構築が初学者には敷居が高いのですが、そこまで網羅して扱います。
また、ディープラーニングでの応用先として欠かせない画像処理自然言語処理の基礎から応用までも取り扱っています。

 

3.日本ディープラーニング協会(JDLA)のE資格認定講座

本セミナーは、日本ディープラーニング協会(JDLA)エンジニア(E)資格の認定講座となっています。
ディープラーニングの技術に関してその実力を保証できる現在日本で唯一の資格となっています。

これからの社会ではディープラーニング技術がより一層普及し、その研究開発の仕事が増えていきます。
ディープラーニングを使った開発を行っていきたい会社で問題となっていることが、どの企業に開発の依頼をすれば良いかということです。
仕事を依頼する側は技術に精通していることが少なく、技術の目利きが難しい状況といえます。

このときの指標としてこのJDLAのE資格保有者数は企業の優位性を大幅に高めるといえます。
これからますます拡大する業界であるため、この資格保有者数を増やしておくことがこれからの企業の成長には必要です。

 


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。
オプションとして、E資格のシラバスに沿ったオンライン補講動画で数学とプログラミングを学び、E資格の受験準備を進めることができます。

  • 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。
  • セミナーと動画教材では、数学を手書きで学んで理論をおさえると同時に、徹底的なプログラミングで実践力も鍛えることで、明確な理解につなげます。


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

日本ディープラーニング協会認定講座(E資格)

キカガクディープラーニングハンズオンセミナーは、E資格の受験に必要な、協会認定講座です。(認定番号0006)
E資格を受験するためには、本プログラムに加え、オンライン事前予習 + オンライン補講動画を受講いただく必要があります。

※オンライン補講動画は別途100,000円/名(税別)

E資格とは

日本ディープラーニング協会(JDLA)が認定する資格で、資格対象者を「ディープラーニングの理論を理解し、適切な手法を選択して実装する能力を持つ人材」と定義し、2020年までに約3万人の輩出を目指しています。

2018年の9月に第一回目の資格試験が開催され、今AI人材の間で注目されている資格です。

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

日本ディープラーニング協会認定講座(E資格)

キカガクディープラーニングハンズオンセミナーは、E資格の受験に必要な、協会認定講座です。(認定番号0006)
E資格を受験するためには、本プログラムに加え、オンライン事前予習 + オンライン補講動画を受講いただく必要があります。

※オンライン補講動画は別途100,000円/名(税別)

E資格とは

日本ディープラーニング協会(JDLA)が認定する資格で、資格対象者を「ディープラーニングの理論を理解し、適切な手法を選択して実装する能力を持つ人材」と定義し、2020年までに約3万人の輩出を目指しています。

2018年の9月に第一回目の資格試験が開催され、今AI人材の間で注目されている資格です。

カリキュラム

  • 事前学習
  • 1日目
  • 2日目
  • 3日目
  • 補講動画
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
所要時間 トピック(E資格受験プラン向け) 概要(E資格受験プラン向け)
2.5時間 線形代数(12月上旬配信)
  • ノルム
  • 単位ベクトル
  • 内積
  • 直交行列と対称行列
  • 対角行列
  • 連立方程式
  • 行列式
  • 逆行列
  • 固有値分解
  • 特異値分解
  • 応用:主成分分析(ラグランジュ未定乗数法)
1.5時間 確率・統計(12月上旬配信)
  • 期待値
  • 確率分布
    • ベルヌーイ分布
    • マルチヌーイ分布
    • 正規分布
  • 同時確率
  • 独立性
  • 周辺化
  • 条件付き確率
  • ベイズ則
  • 尤度関数
1時間 情報理論(12月上旬配信)
  • 情報量
  • エントロピー
  • 交差エントロピー
  • KLダイバージェンス
4時間 機械学習(12月中旬配信)
  • 学習アルゴリズム
  • 教師あり学習
  • 教師なし学習
  • 強化学習
  • 課題(次元の呪い、データの追加)
  • ハイパーパラメータと検証集合
深層学習で合計20時間 深層学習(順伝播型ネットワーク)(12月中旬配信)
  • 順伝播型ネットワーク
  • 誤差逆伝播法
  • ロジスティック回帰(誤差逆伝播法の例)
深層学習(深層モデルのための正則化)(12月中旬配信)
  • 正則化(L1ノルム、L2ノルム)
  • ドロップアウト
深層学習(深層モデルのための最適化)(12月中旬配信)
  • 最適化アルゴリズム
深層学習(畳み込みネットワーク)(12月下旬配信)
  • CNNとは
  • 有名なモデル
  • R-CNN
  • セマンティックセグメンテーション
  • ファインチューニング
  • Adversarial example
深層学習(再帰的ネットワーク)(12月下旬配信)
  • RNNとは
  • LSTM
  • GRU
  • 双方向RNN
深層学習(深層生成モデル)(1月上旬配信)
  • AE
  • VAE
  • C-VAE
  • DCGAN
深層学習(深層強化学習)(1月上旬配信)
  • 強化学習とは
  • 深層強化学習とは
  • DQN

カリキュラム

  • 事前学習
  • 1日目
  • 2日目
  • 3日目
  • 補講動画
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
所要時間 トピック(E資格受験プラン向け) 概要(E資格受験プラン向け)
2.5時間 線形代数(12月上旬配信)
  • ノルム
  • 単位ベクトル
  • 内積
  • 直交行列と対称行列
  • 対角行列
  • 連立方程式
  • 行列式
  • 逆行列
  • 固有値分解
  • 特異値分解
  • 応用:主成分分析(ラグランジュ未定乗数法)
2時間 確率・統計(12月上旬配信)
  • 確率分布
    • ベルヌーイ分布
    • マルチヌーイ分布
    • ガウス分布
  • 同時確率
  • 周辺化
  • 条件付き確率
  • ベイズ則
  • 独立性
  • 最尤推定
2時間 情報理論(12月上旬配信)
  • 情報量
  • エントロピー
  • 交差エントロピー
  • KLダイバージェンス
4時間 機械学習(12月中旬配信)
  • 学習アルゴリズム
  • 教師あり学習
  • 教師なし学習
  • 強化学習
  • 課題(次元の呪い、データの追加)
  • ハイパーパラメータと検証集合
深層学習で合計20時間 深層学習(順伝播型ネットワーク)(12月中旬配信)
  • 順伝播型ネットワーク
  • 誤差逆伝播法
  • ロジスティック回帰(誤差逆伝播法の例)
深層学習(深層モデルのための正則化)(12月中旬配信)
  • 正則化(L1ノルム、L2ノルム)
  • ドロップアウト
深層学習(深層モデルのための最適化)(12月中旬配信)
  • 最適化アルゴリズム
深層学習(畳み込みネットワーク)(12月下旬配信)
  • CNNとは
  • 有名なモデル
  • R-CNN
  • セマンティックセグメンテーション
  • ファインチューニング
  • Adversarial example
深層学習(再帰的ネットワーク)(12月下旬配信)
  • RNNとは
  • LSTM
  • GRU
  • 双方向RNN
深層学習(深層生成モデル)(1月上旬配信)
  • AE
  • VAE
  • C-VAE
  • DCGAN
深層学習(深層強化学習)(1月上旬配信)
  • 強化学習とは
  • 深層強化学習とは
  • DQN

概要一覧

スケジュール

12/12,13,14(水~金)9:30 – 17:30@神田
1/9,10,11(水~金)9:30 – 17:30@神田
1/15,16,17(火~木)9:30 – 17:30@品川
1/16,17,18(水~金)9:30 – 17:30@福岡
2/13,14,15(水~金)9:30 – 17:30@神田
3/6,7,8(水~金)9:30 – 17:30@神田

料金

2つの受講プランがございます。

・ハンズオンセミナープラン
受講内容:事前学習+講義
料金:200,000円/名(税別)

・E資格受験プラン
受講内容:事前学習+講義+補講動画
料金:300,000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
@神田
 東京都千代田区内神田 3-2-9 SPビル 4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。

※E資格受験プランの流れ
下のフォームよりお申し込みください。
→事前学習の後、3日間のセミナーをご受講ください。
→セミナー受講後、補講動画をご視聴ください。
→補講動画を修了されましたら、ご自身でE資格にお申し込みください。
(大変恐れ入りますが、補講動画についての質問は、原則として受付できませんので、ご了承ください)

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
@神田
 山手線 神田駅 徒歩 3 分
 東京メトロ丸の内線 大手町駅 徒歩 11 分
 総武本線 新日本橋駅 徒歩 8 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

神田 2/27~3/1(水~金) 9:30~17:30

料金

2つの受講プランがございます。

・ハンズオンセミナープラン
受講内容:事前学習+講義
料金:200,000円/名(税別)

・E資格受験プラン
受講内容:事前学習+講義+補講動画
料金:300,000円/名(税別)

開催場所

@神田
 東京都千代田区内神田 3-2-9 SPビル 4階

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。

※E資格受験プランの流れ
下のフォームよりお申し込みください。
→事前学習の後、3日間のセミナーをご受講ください。
→セミナー受講後、補講動画をご視聴ください。
→補講動画を修了されましたら、ご自身でE資格にお申し込みください。
(大変恐れ入りますが、補講動画についての質問は、原則として受付できませんので、ご了承ください)

アクセス

@神田
 山手線 神田駅 徒歩 3 分
 東京メトロ丸の内線 大手町駅 徒歩 11 分
 総武本線 新日本橋駅 徒歩 8 分

セミナー申込

必須
必須
必須
必須
必須
必須

受講プラン

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

必須

Azureの法的情報

セミナー申込

必須
必須
必須
必須
必須
必須

受講プラン

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

必須

Azureの法的情報

関連する他のセミナー