1口(1社3名まで受講可能)でのお申込は、

 受講料 57,000円/1口 が格安となります。







 Pythonによるディープラーニング
    〜AIの基礎から最新・実用事例まで〜


 S180727K

 

開催日時:2018年10月10日(水) 10:30-16:30

会  場:オームビル(東京都千代田区神田錦町3‐1)
       【地下鉄】
         東西線『竹橋駅』徒歩3分
         三田線・新宿線・半蔵門線『神保町駅』徒歩7分
         新宿線・千代田線『小川町駅』徒歩7分
         丸ノ内線『淡路町駅』徒歩8分
       【JR】
         中央線・山手線・京浜東北線『神田駅』徒歩12分
         中央線・総武線『御茶ノ水駅』徒歩11分

             

受 講 料:1人様受講の場合 46,000円[税別]/1名

     1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)

 

 

 講 師


 鶴 英雄 氏
 

      株式会社システム計画研究所
           事業本部 技術統括・戦略開発室長
                      


 
■略歴
  1992年4月株式会社システム計画研究所の入社。
  公共システム、ネットワークシステム、情報セキュリティシステム、
  各種システム基盤の設計・開発に従事。
  通信・制御・宇宙システム開発事業の統括兼AI事業推進を経て、
  2016年11月より現職。

  ・ネットワークスペシャリスト
  ・テクニカルエンジニア(情報セキュリティ)


■専門および得意な分野・研究
  ・機械学習及びAIに関するコンサルティング/システム設計/開発
  ・情報システムの基本設計/アーキテクチャ設計/開発
  ・ネットワーク、情報セキュリティに関するコンサルティング/設計/開発

■本テーマ関連学協会でのご活動
  ・講演
   一般社団法人 人工知能ビジネス創出協会 第5回ビジネス専門セミナー
   「Pythonによる機械学習入門」

   埼玉大学 2016年度後期「数理電子情報特論1」
   「AI開発の現場から 〜ソフトウェア開発会社からみたAI事情〜」

  ・書籍
   「Pythonによる機械学習入門」(オーム社/2016.11)




    現在大きく注目を集めているAI、なかでもディープラーニングはその中核を成しています。
   ディープラーニングをはじめてとする機械学習手法は従来のシステム開発とは異なる考えと
   注意点があります。
    本講ではAI・ディープラーニング・機械学習の概要と活用にあたって必要となる基礎知識を
   学びます。精度向上へのプロセスやPythonによるディープラーニングの実現コードについても
   説明していきます。更に異常検知や研究の進展が著しい物体検出、RNN(リカレントニューラル
   ネットワーク)、生成モデル、強化学習を取り上げ最新の状況をご説明します。
    実用事例として当社のAI外観検査ソフトウェアgLupeや画像セグメンテーションツールの
   実演いたします。



■受講対象者
  ・ ディープラーニング・AI・機械学習を理解したい方
  ・ ディープラーニング・AI・機械学習を業務で利用しようとしている方
  ・ Pythonによるディープラーニングを基礎から学んでみたい方
  ・ その他、ディープラーニング・AI・機械学習に興味のある方

■必要な予備知識
  ・この分野に興味のある方なら、特に必要はありません。
   但し、Pythonによるコード例を説明しますので、何がしかコンピュータ言語を
   触ったことがある方が理解しやすいかと思います。

■本セミナーで習得できること
  ・ディープラーニング・AI・機械学習の全般的に知識
  ・ディープラーニングのプログラミングコードと実行方法
  ・AI・機械学習を実施する上での注意点や性能指標の読み方
  ・ディープラーニングの概要と最近の話題
  ・異常検知の考え方とディープラーニングの適用
  ・物体検出、RNN(リカレントニューラルネットワーク)、生成モデル、強化学習の最新状況



講義項目


第1部 概要編
 概要編ではディープラーニング・AI・機械学習の概念から
 歴史・学習則まで様々な側面について解説します。


1. ディープラーニング・AI・機械学習
 1.1. ディープラーニング・AI・機械学習
 1.2. AI/機械学習をとりまく環境
 1.3. 関連分野
 1.4. 学習法による分類
    教師あり学習、教師なし学習、強化学習
2. AI/機械学習のアプローチ
 2.1. 開発スタイル
 2.2. 適用における留意点
 2.3. 開発環境

3. ディープラーニング
 3.1. ディープラーニングの歴史
 3.2. ディープラーニングの学習則
 3.3. ディープラーニングのソフトウェア
 3.4. ディープラーニングの取り組み方
 
 

第2部 基礎編
 基礎編ではAI/機械学習における基本的な問題である分類問題を
取り上げ、問題を解きながら手法を解説していきます。また、データとの
取り扱い方や性能計測の方法等AI・機械学習を活用するにあたって
必須となる基礎的概念を学びます。
 さらに画像による手形状分類を取り上げ、精度向上の取り組み方を
説明します。分類を実現するディープラーニングのコードについても解説します。


4.分類問題

 4.1. 分類問題とは
 4.2. 最初の分類器
 4.3. 学習データとテストデータ
    〜 ホールドアウトと交差検証
 4.4. 分類器の性能を評価しよう
    〜正答率・適合率・再現率・F値

5. 画像による手形状分類
 
5.1. 課題の設定
 5.2. 最初の学習
 5.3. 汎化性能を求めて

6. ディープラーニングによる手形状分類
 
6.1. ディープラーニングによるアプローチ
 6.2. 精度評価
 6.3. 実現コード解説


第3部 最新・実用事例編
 ディープラーニングの最新・実用事例を説明していきます。


7. 最新のトピックス
 
7.1. 異常検知
 7.2. 物体検出
 7.3. RNN(リカレントニューラルネットワーク)
 7.4. 生成モデル
 7.5. 強化学習


8. 実用事例
 
当社システム計画研究所ではディープラーニングを応用した製品を発売しております。
  ここではAI外観検査ソフトウェアgLupe(ジールーペ)と画像セグメンテーションツールを
  実演し、ディープラーニングの可能性について説明します。


 

 お1人様      受講申込要領  1口(1社3名まで) 受講申込要領   セミナー 総合日程