実務で使える機械学習入門

“ディープラーニング”、“人工知能/AI”、“機械学習”といった言葉を聞かない日はないようになってきました。自動翻訳、画像解析、故障予測等々、あげていったらきりがないほどに色々な分野で活用されている技術ですが、一方でその中身については「なんとなくイメージはあるけれど、その実体はよく分からない。。。」という方も多いのではないでしょうか。特に、日々続々と新しい取り組みが登場している状況では、しっかりと中身を理解した上で最新の動向に追いついていくのも大変です。 　「道具として割り切って使う」、「やりたいことだけ明確にして、実際の中身の開発は社外に発注する」といった活用の仕方をされている方も多くいると思いますが、そのような場合でも (自分で作業するかどうか、自分で開発するかどうかは別として) 中身をしっかりと理解した上で取り組むことが重要です。 　現在色々な場面で活用されているディープラーニングの技術は、全てに共通するいくつかの基本コンセプトの上に成り立っています。これらの基本コンセプトをしっかりと抑えておくことで、現在の技術に対する見通し・理解が大きく進むだけでなく、日々登場している新しい技術に対しても短期間で対応できるようになります。 　本セミナーでは、ディープラーニングの基本となる最も重要なコンセプトを理解するところからスタートし、最新のディープラーニング技術動向の紹介までの幅広い範囲に取り組みます。前半の基本コンセプトは細かいところまでしっかりと取り組み、後半の技術動向ではできる限りの広い範囲を様々なデモを活用しながら紹介します。これからディープラーニングの学習に取り組もうと考えている方に最適のコースです。細かなプログラミング手法や数学的な詳細に立ち入ることなく、しかし重要な基本はしっかりと学べますので、自らプログラミングをするわけではないが、ディープラーニングのプロジェクトに色々な立場で携わる予定の方々にも最適です。

1. ディープラーニングとは
   • ディープラーニング、AI、機械学習?
2. ディープラーニングの歴史
   1. 登場から現在までの隆盛
   2. なぜ今ディープラーニングが注目されるのか
3. ディープラーニングの基本アルゴリズム
   1. 線形回帰 (Linear Regression)
   2. 最急降下法 (Gradient Descent)
   3. 予測と分類 (Regression/Classification)
   4. ロジスティック回帰 (Logistic Regression)
4. ニューラルネットワーク
   1. 直感的な理解
   2. 基本となるアルゴリズム
      1. フォワードプロパゲーションとバックプロパゲーション (Forward Propagation/Back Propagation)
   3. 分類問題
   4. Shallow NNとDeep NN
   5. パラメータとハイパーパラメータ (Parameter/Hyper Parameter)
   6. 学習の効率化
   7. 様々なフレームワークおよびツール
5. 畳み込みニューラルネットワーク
   1. 高次元データを取り扱う
   2. Pooling
   3. Convolution
6. 最新のディープラーニングの動向
   1. 異常検知 (Anomaly Detection)
   2. リカレントニューラルネットワーク (Recurrent Neural Network)
   3. 強化学習 (Reinforcement Learning)
   4. 生成モデル (Generative Model)
• 質疑応答

特徴

• 全てのディープラーニングの基礎をしっかりと解説 (線形回帰、ロジスティック回帰、ニューラルネットワーク、畳み込みニューラルネットワーク)
• 最新のディープラーニングの技術の概要も解説 (リカレントニューラルネットワーク、強化学習、生成モデル)
• 難解な数学の解説は行わない (数学的な証明、モデルの分析等はやらない。しかし、いくつかの重要な数式についてはしっかり解説する)
• プログラミング実習は行わない (基本的には座学、スクリーンでのデモ解説が中心)