Pythonによるディープラーニング

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. ディープラーニング・AI・機械学習
   2. AI/機械学習をとりまく環境
   3. 関連分野
   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
   1. 開発スタイル
   2. 適用における留意点
   3. 開発環境
3. ディープラーニング
   1. ディープラーニングの歴史
   2. ディープラーニングの学習則
   3. ディープラーニングのソフトウェア
   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。

1. 分類問題
   1. 分類問題とは
   2. 最初の分類器
   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. 分類器の性能を評価しよう
      • 正答率
      • 適合率
      • 再現率
      • F値
2. 画像による手形状分類
   1. 課題の設定
   2. 最初の学習
   3. 汎化性能を求めて
3. ディープラーニングによる手形状分類
   1. ディープラーニングによるアプローチ
   2. 精度評価
   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。

1. 最新のトピックス
   1. 異常検知
   2. 物体検出
   3. RNN (リカレントニューラルネットワーク)
   4. 生成モデル
   5. 強化学習
2. 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。