転移学習を用いた深層学習の学習時間短縮と少量データへの対応

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、深層学習 (Deep Learning)の基礎から解説し、半教師あり学習・転移学習などを用いたデータ不足の補い方、ラベル付きデータが少ない場合でも、精度を上げる方法について詳解いたします。

日時

開催予定

プログラム

深層学習は大量のデータを学習することで、高性能な知識を獲得する手法です。一方で、知識の獲得には大規模なデータセットの準備や、高価なハードウェアが不可欠です。  本セミナーでは、まずは深層学習の基礎理論と深層学習ライブラリPyTorchを用いた画像認識モデルの実装方法も紹介します。その上で、転移学習や半教師あり学習といった、ラベル付きのデータが小規模な場合における、精度向上に向けた様々な技術や研究動向を解説します。

  1. 深層学習の基礎
    1. 課題の定義と教師あり学習
    2. 深層学習の社会応用事例
    3. ニューラルネットワークと確率的勾配降下法
    4. レイヤーと活性化関数
    5. 様々なモデルアーキテクチャ
    6. 簡単なモデルによる画像分類 (プログラム解説)
  2. データ拡張と転移学習
    1. 様々なデータ拡張
    2. 転移学習
    3. ドメイン適応
    4. 転移学習を用いた画像分類 (プログラム解説)
  3. 半教師あり学習
    1. 概要、手法の分類
    2. Pseudo-labeling methods
    3. Consistency regularization methods
    4. Hybrid methods
    5. Contrastive-learning methods

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信セミナーについて