フレームワークによる機械学習及びディープラーニングの基礎と実践

午前は、機械学習、ディープラーニングの概要を学習し、午後は、ディープラーニングの環境作成方法、データの前処理方法、Chainerを利用したサンプルプログラムを動かしながら、実際のデータをどう扱うかを学習していきます。 　サンプルは下記を用意します。

• 画像分類
• 音による異常検知 (正常時の音からモデルを作成し、音の変化で異常発生を検知します)
• 強化学習の基礎から簡単なサンプルまで演習できます。

　特に強化学習の講義は、まだ数が少ないため貴重です。

1. 機械学習とディープラーニング
   1. 機械学習の基本
      • データがモデルをつくる
   2. 学習の種類
      • 教師あり学習の基本
      • 教師なし学習の基本
      • 強化学習の基本
   3. ディープラーニング
      • 概要
2. 事象を数値へ変換する
   1. 画像を数値情報へ変換する
   2. 言語を数値情報へ変換する
   3. 音を数値情報へ変換する
   4. 状態を数値情報へ変換する
3. 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. データ前処理の方法
4. ディープラーニングの基礎と実践
   1. ディープラーニングの種類
      • 畳み込みニューラルネットワーク:CNN (Convolutional Neural Network)
      • 再帰型ニューラルネットワーク:RNN (Recurrent Neural Network)
      • 強化学習 (Deep Q – learning)
   2. Windowsでディープラーニング環境をオープンソースのフレームワークにて構築
      • Chainer
   3. 画像分類
      • Chainerで動かし結果を得る
   4. 音による異常検知 (AutoEncoder使用)
      • Chainerでサンプルプログラムを動かします
   5. 強化学習
      • Chainerでサンプルプログラムを動かします
   6. 過学習の判断
   7. その他、実践にあたり注意すべきこと
5. このセミナーだけで終わらせないために
   1. twitter/ブログを通じた情報の収集
   2. より高速な環境を求める場合