たった3日間初学者でも
ディープラーニングを実装できる
日本マイクロソフト共同開催/E資格認定講座
ディープラーニングハンズオンセミナー

こんな方におすすめ

AI案件を任されるようになり、
実務をこなすための基礎を
身に付けたい方

機械学習・ディープラーニングなどの
AI技術や数学について
体系的に学びたい方

一歩進んだ高度な処理を必要としたり、
プログラミング経験が中級以上の方

キカガクが選ばれる理由

キカガクが選ばれる理由1

実務で欠かせない環境構築

データ解析の基盤となるクラウド環境や
計算高速化に用いるGPUの設定、
注目を浴びるコンテナ技術もしっかり学ぶことができ、
初学者の方でも受講後に安心して進めることができます。

キカガクが選ばれる理由2

現場で使える実装力

実データを用いた画像の分類や9種類のカテゴリに文書を分ける文書分類の問題、
時系列に特化したディープラーニングなどを現場で活躍する講師から
ハンズオン形式で学ぶことができます。

キカガクが選ばれる理由3

受講後の自走力

様々な演習を取り入れることで、
自力で多くの試行錯誤を重ねることが可能となります。
受講後に自らコードを実装する力、
専門書を読み進める力が身につきます。

今だけ5時間分のE-Bookを無料プレゼント!

1 E-Book

  • 人工知能・機械学習・ディープラーニングとは
  • AIを実務で使うための必須知識
  • ディープラーニングの得意な領域

2 Video

  • 15,000名が受講した人気講座(4時間分)
  • E資格補講動画サンプル(1時間分)

本コースは様々な認定を受けています

日本ディープラーニング協会
E資格認定講座

日本ディープラーニング協会(JDLA)が提供するエンジニア向け「E資格」の認定講座となっております。

Microsoft共同開催

日本Microsoftから公認を受けたデータサイエンス人材養成セミナーとなっております。

第四次産業革命スキル習得講座

経済産業大臣が認定する「第四次産業革命スキル習得講座」の認定講座、厚生労働省指定の「教育訓練支援給付金」の対象講座となっており、最大70%の補助が出ます。

選べる3つのコースとその特徴

ディープラーニングの設計が容易に行えます。
世界的なユーザー数が多く参考記事が豊富です。

長所

  • 参考となる書籍や記事が豊富
  • 細かい決まりが少なく、簡潔なコードで実装可能
  • 国内の初学者向けの参考書等での実装に使われることが多い

短所

  • 細かい設定が必要なモデル開発には向いていない
  • コードだけでは処理の中身が理解しにくい
  • 少ない手順で使えるため、理論や数学的な背景と結びつきにくい

Facebookが開発したフレームワークです。
柔軟性や研究開発との親和性の高さから、
世界的な人気を得ています。

長所

  • コードのカスタマイズが容易で、研究開発に向く
  • 学習速度が他のフレームワークと比べて速い
  • サードパーティ含めライブラリが豊富なため、個々の問題やレベルに合わせて実装できる

短所

  • コード量が多く、複雑になってしまうため
    ハードルが高い
  • ライブラリの取捨選択が難しい
  • 国内での参考書がほとんどない

日本の企業が開発したフレームワークです。
初学者向けのチュートリアルが存在し、実装が比較的簡単にできます。

長所

  • 公式にサポートされているライブラリがあり、様々な実装が可能(Chainerファミリー)
  • 試行錯誤が容易にできる(trainer)
  • 日本語で書かれたチュートリアルがあり、
    初学者が入りやすい

短所

  • ユーザーが少ないため参考記事が
    あまり見当たらない
  • 理論の背景を理解している必要がある
  • 他のフレームワークと比べて計算速度が遅い
 
 

受講生の声

Voice 01

サポーターのおかげで
スムーズに進行!

住友商事株式会社岩本 幹生 さん

Voice 02

質問に何でも答えてくれる
環境と講師の質

東日本電信電話株式会社工藤 遼 さん

Voice 03

一番わかりやすかったのが
キカガクでした。

データリファイメント株式会社新田 克幸 さん

受講企業300社を突破!

経験豊富な講師陣

カリキュラム

 

事前学習

 

数学の基礎から
Pythonの基礎を学ぶ

  • 受講必須
  • このような方におすすめ
    Kerasを用いたディープラーニングの実践を行ってみたい方
  • AI案件を任されるようになり、実務をこなすための基礎を身に付けたい方
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」を決める
・「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
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
 

1日目

 

環境構築から
Keras で実装(分類)

  • 参加必須
  • このような方におすすめ
    Kerasを用いたディープラーニングの実践を行ってみたい方
  • AI案件を任されるようになり、実務をこなすための基礎を身に付けたい方
9:30-10:00イントロダクション・自己紹介
・AIの開発フロー
10:00-10:50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(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)
・Seaquential APIによるNNモデルの定義
・バッチ正規化の実装
 

2日目

 

画像の取り扱い方から
Keras で画像分類を学ぶ

  • 参加必須
  • このような方におすすめ
    Kerasを用いたディープラーニングの実践を行ってみたい方
  • AI案件を任されるようになり、
    実務をこなすための基礎を身に付けたい方
9:30-10:50回帰(実装)・問題設定(家賃の予測)
・NNモデルの定義
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
16:30-17:30TensorBoard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
 

3日目

 

Keras で時系列解析と
文書分類を学ぶ

  • 参加必須
  • このような方におすすめ
    Kerasを用いたディープラーニングの実践を行ってみたい方
  • AI案件を任されるようになり、
    実務をこなすための基礎を身に付けたい方
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(BoW)
・文書データから教師データ作成
・NNモデルでの分類の実装
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
160分数学~線形代数~・ノルム
・内積
・逆行列
・行列式
・三次の逆行列
・固有値問題
・特異値分解
・ラグランジュの未定乗数法
・主成分分析
85分数学~確率統計~・期待値
・確率分布
・ベイズ則
・尤度関数
50分情報理論・情報量
・エントロピー
・KLダイバージェンス
90分機械学習~基礎・パーセプトロン~・機械学習アルゴリズム
・微分で必要な知識
・パーセプトロン
40分機械学習~サポートベクターマシン~・サポートベクターマシン
50分機械学習~ロジスティック回帰~・ロジスティック回帰
15分機械学習〜k-means・最近傍法〜・k-means
・最近傍法
70分深層学習〜誤差逆伝播法・過学習対策〜・最急降下法の復習
・誤差逆伝播法
・ドロップアウト
・正則化
50分深層学習〜最適化〜・最適化-1-最急降下法
・最適化-2-SGD
・最適化-3-モーメンタム
・最適化-4-ネステロフのモーメンタム
・最適化-5-Adagrad
・最適化-6-RMSProp
・最適化-7-Adam
80分深層学習〜CNN・R-CNN〜・CNN-1-有名なモデル1
・CNN-2-有名なモデル2
・R-CNN-1-概要
・R-CNN-2-CNNの復習
・R-CNN-3-CNNの中身
・R-CNN-4-IoU
・R-CNN-5-Fast R-CNN
・R-CNN-6-Multi task Loss
・R-CNN-7-Faster R-CNN
・SemanticSegmentation-1-U-net
・SemanticSegmentation-2-FCN
・SemanticSegmentation-3-SegNet
50分深層学習〜RNN〜・RNN-LSTM1
・RNN-GRU
・RNN-GradientClipping
・RNN-双方向RNN
60分深層学習〜生成モデル〜・生成モデル-AE
・生成モデル-VAE
・生成モデル-GAN
75分深層学習〜強化学習〜・強化学習
55分深層学習〜計算グラフ〜・計算グラフ -計算グラフとは
・計算グラフ -足し算、掛け算
・計算グラフ- Affine変換
120分深層学習〜NN実装〜・NumpyでNN実装
・NumpyでNN実装-レイヤとしてまとめていく
・NumpyでNN実装-逆伝播-Affine
・NumpyでNN実装- 各種Optimizerについて
・NumpyでNN実装-NNの構造
・NumpyでNN実装-データの準備
・NumpyでNN実装-学習に必要な準備
・NumpyでNN実装-学習
・NumpyでNN実装-推論
・RNN-Attention
90分新シラバス・正規化
・モデル圧縮
・分散処理
・MobileNet
・DenseNet
・Pix2Pix
・WaveNet
・Transformer
・AlphaGo
 

事前予習動画

 

数学の基礎から
Python の基礎を学ぶ

  • 受講必須
  • このような方におすすめ
    PyTorchを用いたディープラーニングの実践を行ってみたい方
  • 一歩進んだ高度な処理を必要としたり、
    プログラミング経験が中級以上の方
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」を決める
・「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
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
 

1日目

 

環境構築から
PyTorchの基礎を学ぶ

  • 参加必須
  • このような方におすすめ
    PyTorchを用いたディープラーニングの実践を行ってみたい方
  • 一歩進んだ高度な処理を必要としたり、
    プログラミング経験が中級以上の方
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 - 11:00環境構築・Azure を用いた GPU インスタンスの作成
・Docker の基礎
・Nvidia-Docker を用いた GPU 環境構築
11:10 - 13:30ディープラーニングの数学1・ニューラルネットワーク のモデル
・線形変換
・非線形変換
13:30 - 14:00ディープラーニングの実装1・PyTorch の基礎
・線形変換
・非線形変換
14:10 - 14:40 プログラミング基礎・Class の基礎
14:40 - 15:20ディープラーニングの数学2・最急降下法によるパラメータ更新
・ミニバッチ学習
17:00 - 17:30ディープラーニングの数学3・モデルの定義
・ミニバッチ学習
・最適化手法 (SGD, Adam)
・学習ループの記述
 

2日目

 

PyTorch で分類、回帰問題の
実装と画像分類を学ぶ

  • 参加必須
  • このような方におすすめ
    PyTorchを用いたディープラーニングの実践を行ってみたい方
  • 一歩進んだ高度な処理を必要としたり、
    プログラミング経験が中級以上の方
9:30 - 11:00分類(実装)・問題設定(ワインの等級の予測)
・モデルの定義
・Igntie による学習ループの簡略化
・バッチ正規化の実装
11:10 - 13:30回帰(実装)・問題設定(家賃の予測)
・モデルの定義
・学習
13:30 - 14:30 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
14:40 - 15:10 画像処理(実装)・画像の読み込み(OpenCV, Pillow)
・フィルタの計算
15:10 - 16:50画像分類・CNNモデルの定義
・GPU を用いた計算
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
 

3日目

 

PyTorch で時系列解析から
文書分類を学ぶ

  • 参加必須
  • このような方におすすめ
    PyTorchを用いたディープラーニングの実践を行ってみたい方
  • 一歩進んだ高度な処理を必要としたり、
    プログラミング経験が中級以上の方
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
160分数学~線形代数~・ノルム
・内積
・逆行列
・行列式
・三次の逆行列
・固有値問題
・特異値分解
・ラグランジュの未定乗数法
・主成分分析
85分数学~確率統計~・期待値
・確率分布
・ベイズ則
・尤度関数
50分情報理論・情報量
・エントロピー
・KLダイバージェンス
90分機械学習~基礎・パーセプトロン~・機械学習アルゴリズム
・微分で必要な知識
・パーセプトロン
40分機械学習~サポートベクターマシン~・サポートベクターマシン
50分機械学習~ロジスティック回帰~・ロジスティック回帰
15分機械学習〜k-means・最近傍法〜・k-means
・最近傍法
70分深層学習〜誤差逆伝播法・過学習対策〜・最急降下法の復習
・誤差逆伝播法
・ドロップアウト
・正則化
50分深層学習〜最適化〜・最適化-1-最急降下法
・最適化-2-SGD
・最適化-3-モーメンタム
・最適化-4-ネステロフのモーメンタム
・最適化-5-Adagrad
・最適化-6-RMSProp
・最適化-7-Adam
80分深層学習〜CNN・R-CNN〜・CNN-1-有名なモデル1
・CNN-2-有名なモデル2
・R-CNN-1-概要
・R-CNN-2-CNNの復習
・R-CNN-3-CNNの中身
・R-CNN-4-IoU
・R-CNN-5-Fast R-CNN
・R-CNN-6-Multi task Loss
・R-CNN-7-Faster R-CNN
・SemanticSegmentation-1-U-net
・SemanticSegmentation-2-FCN
・SemanticSegmentation-3-SegNet
50分深層学習〜RNN〜・RNN-LSTM1
・RNN-GRU
・RNN-GradientClipping
・RNN-双方向RNN
60分深層学習〜生成モデル〜・生成モデル-AE
・生成モデル-VAE
・生成モデル-GAN
75分深層学習〜強化学習〜・強化学習
55分深層学習〜計算グラフ〜・計算グラフ -計算グラフとは
・計算グラフ -足し算、掛け算
・計算グラフ- Affine変換
120分深層学習〜NN実装〜・NumpyでNN実装
・NumpyでNN実装-レイヤとしてまとめていく
・NumpyでNN実装-逆伝播-Affine
・NumpyでNN実装- 各種Optimizerについて
・NumpyでNN実装-NNの構造
・NumpyでNN実装-データの準備
・NumpyでNN実装-学習に必要な準備
・NumpyでNN実装-学習
・NumpyでNN実装-推論
・RNN-Attention
90分新シラバス・正規化
・モデル圧縮
・分散処理
・MobileNet
・DenseNet
・Pix2Pix
・WaveNet
・Transformer
・AlphaGo
 

事前学習

 

数学の基礎から
Pythonの基礎を学ぶ

  • 受講必須
  • このような方におすすめ
    Chainerを用いたディープラーニングの実装を行ってみたい方
  • 機械学習・ディープラーニングなどのAI技術や数学について体系的に学びたい方
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」を決める
・「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
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
 

1日目

 

環境構築から
Chainerの基礎を学ぶ

  • 参加必須
  • このような方におすすめ
    Chainerを用いたディープラーニングの実装を行ってみたい方
  • 機械学習・ディープラーニングなどのAI技術や数学について体系的に学びたい方
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
 

2日目

 

Chainerで分類、回帰問題と
画像分類を学ぶ

  • 参加必須
  • このような方におすすめ
    Chainerを用いたディープラーニングの実装を行ってみたい方
  • 機械学習・ディープラーニングなどのAI技術や数学について体系的に学びたい方
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
・ニューラルネットワーク 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)
・ニューラルネットワーク 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 - 15:50 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
 

3日目

 

Chainerで時系列解析と
文書分類を学ぶ

  • 参加必須
  • このような方におすすめ
    Chainerを用いたディープラーニングの実装を行ってみたい方
  • 機械学習・ディープラーニングなどのAI技術や数学について体系的に学びたい方
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)・データの可視化
・トレンド抽出
・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
160分数学~線形代数~・ノルム
・内積
・逆行列
・行列式
・三次の逆行列
・固有値問題
・特異値分解
・ラグランジュの未定乗数法
・主成分分析
85分数学~確率統計~・期待値
・確率分布
・ベイズ則
・尤度関数
50分情報理論・情報量
・エントロピー
・KLダイバージェンス
90分機械学習~基礎・パーセプトロン~・機械学習アルゴリズム
・微分で必要な知識
・パーセプトロン
40分機械学習~サポートベクターマシン~・サポートベクターマシン
50分機械学習~ロジスティック回帰~・ロジスティック回帰
15分機械学習〜k-means・最近傍法〜・k-means
・最近傍法
70分深層学習〜誤差逆伝播法・過学習対策〜・最急降下法の復習
・誤差逆伝播法
・ドロップアウト
・正則化
50分深層学習〜最適化〜・最適化-1-最急降下法
・最適化-2-SGD
・最適化-3-モーメンタム
・最適化-4-ネステロフのモーメンタム
・最適化-5-Adagrad
・最適化-6-RMSProp
・最適化-7-Adam
80分深層学習〜CNN・R-CNN〜・CNN-1-有名なモデル1
・CNN-2-有名なモデル2
・R-CNN-1-概要
・R-CNN-2-CNNの復習
・R-CNN-3-CNNの中身
・R-CNN-4-IoU
・R-CNN-5-Fast R-CNN
・R-CNN-6-Multi task Loss
・R-CNN-7-Faster R-CNN
・SemanticSegmentation-1-U-net
・SemanticSegmentation-2-FCN
・SemanticSegmentation-3-SegNet
50分深層学習〜RNN〜・RNN-LSTM1
・RNN-GRU
・RNN-GradientClipping
・RNN-双方向RNN
60分深層学習〜生成モデル〜・生成モデル-AE
・生成モデル-VAE
・生成モデル-GAN
75分深層学習〜強化学習〜・強化学習
55分深層学習〜計算グラフ〜・計算グラフ -計算グラフとは
・計算グラフ -足し算、掛け算
・計算グラフ- Affine変換
120分深層学習〜NN実装〜・NumpyでNN実装
・NumpyでNN実装-レイヤとしてまとめていく
・NumpyでNN実装-逆伝播-Affine
・NumpyでNN実装- 各種Optimizerについて
・NumpyでNN実装-NNの構造
・NumpyでNN実装-データの準備
・NumpyでNN実装-学習に必要な準備
・NumpyでNN実装-学習
・NumpyでNN実装-推論
・RNN-Attention
90分新シラバス・正規化
・モデル圧縮
・分散処理
・MobileNet
・DenseNet
・Pix2Pix
・WaveNet
・Transformer
・AlphaGo

開催スケジュール

11月

日程コース開催地域時間開催地詳細
(中止)11/13~11/15Chainer福岡9:30~17:30中止
(残席わずか)
11/20~11/22
Keras神田第1教室9:30~17:30詳細を見る
(開催確定) 11/27~11/29Keras大阪9:30~17:30詳細を見る
(残席わずか)
11/27-11/29
Chainer神田第1教室9:30~17:30詳細を見る

12月

日程コース開催地域 時間開催地詳細
(開催決定) 12/11~12/13Keras名古屋9:30~17:30詳細を見る
(満席) 12/18~12/20Keras神田第一教室9:30~17:30満席

1月

日程コース開催地域時間開催地詳細
1/15~1/17Chainer福岡9:30~17:30詳細を見る
1/15~1/17Keras神田第1教室9:30~17:30詳細を見る
1/22~1/24Chainer神田第1教室9:30~17:30詳細を見る
1/29~1/31Keras神田第1教室9:30~17:30詳細を見る

2月

日程コース開催地域時間開催地詳細
2/12~2/14Keras神田第2教室9:30~17:30詳細を見る
2/26~2/28Keras神田第1教室9:30~17:30詳細を見る

3月

日程コース開催地域時間開催地詳細
3/3~3/5Keras名古屋9:30~17:30詳細を見る
3/4~3/6PyTorch神田第1教室9:30~17:30詳細を見る
3/11~3/13Keras神田第2教室9:30~17:30詳細を見る
3/18~3/20Keras神田第2教室9:30~17:30詳細を見る
3/23~3/25Chainer神田第2教室9:30~17:30詳細を見る

セミナー概要

受講料金

ハンズオンセミナープラン

受講内容
事前学習 + 3日間のセミナー
料金
200,000円/名(税別)

E資格受験プラン

受講内容
事前学習 + 3日間のセミナー + 補講動画
料金
300,000円/名(税別)

備考

受講内容

当日PCをご持参できない方は、当日のレンタルPCの使用をお申込みください。
※品川開催の場合は、会場備え付けのWindowsPCをご使用いただけます。
※品川以外での開催の場合は、弊社でWindowsPCをご用意させていただきます。

特典

Azure5万円分の使用権を特典として付与させていただきます。

人数について

最少催行人数は5名となっております。
※セミナー開始日の2週間前までに最少催行人数に達しない場合はセミナーを中止させていただきます。

給付金について

厚生労働省指定の「専門実践教育訓練給付金」の対象講座について
※ディープラーニングハンズオンセミナー Chainerコース、Kerasコースのハンズオンセミナープランのみが対象となります。(福岡は2019年10月以降の講座が対象)
・2019年4月以降開催のChainerコース・ハンズオンセミナープラン
・2019年10月以降開催のKerasコース・ハンズオンセミナープラン
給付金対象のハンズオンセミナープランを申込んだ後、E資格補講動画の別途申込(ただし給付金対象外)が可能です。
E資格受験プランが対象となるように、今後申請を進めてまいります。

E資格受験プランの流れ

①お申し込みフォームより「E資格受験プラン」でお申し込みください。
②事前学習の後、3日間のセミナーをご受講ください。
③セミナー受講後、補講動画をご視聴ください。
④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。

フォーム


希望コース 必須

希望スケジュール 必須

お名前 必須

会社名 必須

電話番号 必須

当日使用可能なメールアドレス 必須

郵便番号 必須

都道府県 必須

住所1必須

住所2

当日PCの使用申込み 必須

申込区分 必須

給付金の利用予定 必須

※ 利用される場合、申込後に本人確認資料のデータ(免許証や保険証、パスポートなど)をお送りいただく必要があります。(利用は申込区分が個人の方のみ)
給付金について(詳細は必ずハローワークにてご確認ください)

キャンセルポリシー 必須

Azureの法的情報 必須

プライバシーポリシー 必須


お名前 必須

お名前(ふりがな) 必須

電話番号 必須

メールアドレス 必須

お問い合わせ内容 必須

プライバシーポリシー 必須


FAQ