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。
- 機械学習とディープラーニング
- 機械学習の基本
- 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
- ディープラーニング
- 事象を数値へ変換する
- 画像を数値情報へ変換する
- 言語を数値情報へ変換する
- 音を数値情報へ変換する
- 状態を数値情報へ変換する
- 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
- データ前処理の方法
- ディープラーニングの基礎と実践
- 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)
- 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
- 画像分類
- 音による異常検知 (AutoEncoder使用)
- 強化学習
- 過学習の判断
- その他、実践にあたり注意すべきこと
- このセミナーだけで終わらせないために
- twitter/ブログを通じた情報の収集
- より高速な環境を求める場合
持参品
ノートPC (Windows7以降) をご持参ください。
事前に、インストール用 CD を送付しますので、Pythonとフレームワーク環境を構築してご参加をお願い致します。