TensorFlowで始めるAI導入とビジネス活用

再開催を依頼する / 関連するセミナー・出版物を探す
会場 開催

今やAI技術の主流となっているディープラーニングでは、ニューロンの働きを疑似的に多重化したニューラルネットワークを利用しています。  本セミナーでは、AI技術の概要から始めてディープラーニングとはどのようなものなのか、そしてGoogle社のディープラーニング (深層学習) フレームワークであるTensorFlowの機能および使い方に解説を進めます。その後、TensorFlow の稼働環境を構築して、稼働環境上でのサンプル実行とサンプル内容の解説へと進めていき、TensorFlow のディープラーニングを実現するコード記述スタイルが理解できるようにしていきます。

日時

開催予定

プログラム

  1. AI利用の現状
    1. 人工知能に何を期待するか
  2. 人工知能ができること12選!
    1. 起業家が知っておくべきビジネスへの活用法
      1. 見て判断する (画像解析分野)
      2. 聴いて判断する (音声解析分野)
      3. 言葉を操る (自然言語処理分野)
      4. クリエイターになる
      5. まとめ
      6. 人工知能技術のビジネス活用概況
  3. 使用される基礎数学
    1. 配列 / 行列の内積 / 対数 / 微分 / 偏微分
  4. Python言語の基礎
    1. 算術演算 / データ型 / 変数 / リスト / ディクショナリ / ブーリアン / if文 / for文 / 関数 / クラス / コンストラクタ / 継承 / NumPy / 行列の内積 / ブロードキャスト
  5. Deep Learning (深層学習、DL)
    1. 機械学習とディープラーニング
    2. 人工知能、機械学習、Deep Learning
  6. パーセプトロン
    1. 単純パーセプトロン
    2. 多層パーセプトロン
    3. 線型分離可能
    4. 線型分離不可能
    5. 線形関数と非線形関数
  7. Neural Network (ニューラルネットワーク)
    1. ニューラルネットワークとその表現
    2. コンピュータに人間のような学習をさせる
    3. ニューロンはいつ発火するのか?
      1. One – Hot – Vector
      2. ニューラルネットワークの利点と欠点
  8. 活性化関数 (Activation function)
    1. ステップ関数
    2. シグモイド関数
    3. ランプ関数ReLU
    4. 恒等関数
    5. ソフトマックス関数
    6. 回帰問題と分類問題
    7. 線形回帰
    8. ロジスティック回帰
  9. TensorFlow
    1. TensorFlowとは
    2. TensorFlowプログラミング
      1. GradientDescentOptimizer / 線形回帰 / サンプル / 相関と回帰 / 損失関数 (Loss Function) / Gradient descent / 勾配降下法
  10. 主なニューラルネットワーク
    1. フィードフォワードニューラルネットワーク (Feedforward Neural Network:NN)
      • 最初に考案された、単純な構造の人工ニューラルネットワークモデル。ネットワークにループする結合を持たず、入力ノード→中間ノード→出力ノードというように単一方向へのみ信号が伝播するものを指す。
      • MNIST
    2. 畳み込みニューラルネットワーク (Convolutional NN:CNN)
      • 畳み込み構造を持つ。空間上での位置関係に意味のあるデータのモデル化に有効 (例:画像処理)
    3. 再帰ニューラルネットワーク (Recurrent NN=RNN)
      • 再帰的部分構造を持つ。木構造を持つデータのモデル化に有効 (例:自然言語処理)

会場

株式会社オーム社 オームセミナー室
101-8460 東京都 千代田区 神田錦町3-1
株式会社オーム社 オームセミナー室の地図

受講料