パターン認識のシステム構築に必要な 画像認識のためのパターン認識・機械学習とディープラーニング入門

パターン認識のシステムを構築するために人工知能・パターン認識・機械学習の位置づけ,基礎的なパターン認識手法,
 プログラミング言語のPython,Pythonを用いたディープラーニングの実装方法について解説する特別セミナー!!

講師 名古屋大学 大学院情報学研究科 助教 川西 康友 先生 (京都大学博士(情報学))
日時

2019/3/11(月) 10:20 ~ 16:20

会場

連合会館 (東京・お茶の水)

会場案内
受講料 (消費税等込み)1名:48,600円 同一セミナー同一企業同時複数人数申込みの場合 1名:43,200円
講師 名古屋大学 大学院情報学研究科 助教 川西 康友 先生 (京都大学博士(情報学))
日時 2019/3/11(月) 10:20 ~ 16:20
会場

連合会館 (東京・お茶の水)

会場案内
受講料 (消費税等込み)1名:48,600円 同一セミナー同一企業同時複数人数申込みの場合 1名:43,200円

予備知識

 ・ 高校程度の微分積分の知識
 ・プログラミングの経験

習得知識

 1)人工知能やパターン認識,機械学習の位置づけの理解
 2)基礎的なパターン認識手法
 3)Pythonに関する知識
 4)ディープラーニングの実装方法

講師の言葉

 最近、AIで○○、人工知能で○○、ウチの会社にもAIを導入しよう、という様に、様々なところで人工知能に
関する話題を聞くようになりました。その中でも、画像認識などのパターン認識に関するタスクは非常に注目を
集めています。パターン認識のシステムを構築するためには、その基盤となる機械学習や、その発展版である
ディープラーニングの知識が必要不可欠です。
 本講演では、それらを基礎から解説します。また、この分野で広く利用されているプログラミング言語である
Pythonを紹介し、Pythonを用いて機械学習やディープラーニングの実装例を紹介します。

プログラム

1.はじめに
 1.1 人工知能とパターン認識
 1.2 パターン認識と機械学習
 1.3 パターン認識の最先端手法と応用例

2.機械学習とパターン認識の利用
 2.1 機械学習の枠組み
 2.2 機械学習に基づくパターン認識手法
  1)k近傍法
  2)線形識別関数
    ―単純パーセプトロン、サポートベクトルマシン
  3)アンサンブル学習
    ―ランダムフォレスト
  4)ニューラルネットワーク
    ―多層パーセプロトン、深層学習

3.Pythonの概要
 3.1 Pythonとは
 3.2 Pythonの利用環境
 3.3 Pythonの文法
 3.4 数値計算ライブラリ numpyの詳細

4.Pythonでの機械学習
 4.1 scikit-learnの紹介
 4.2 使用するクラス分類器
 4.3 Pythonでの機械学習の実際の流れ
 4.4 各種クラス分類手法の切り替え
 4.5 各種クラス分類手法の比較
 4.6  パラメータの自動調整法

5.Deep Learningの利用
 5.1 Deep Learningの紹介
 5.2 Kerasを用いたクラス分類器としてのDeep Learning
 5.3  Kerasを用いた特徴抽出を含めたDeep Learning
 5.4 学習済みモデルの読み込みと利用

6.開発の参考となるオススメ文献・サイト

7.まとめ・質疑応答

講師紹介

略歴
2012年 京都大学大学院 情報学研究科 博士後期課程修了.
2012年 京都大学 学術情報メディアセンター 特定研究員.
2014年 名古屋大学 未来社会創造機構 特任助教.
2015年 名古屋大学 情報科学研究科 助教.
2017年 名古屋大学 情報学研究科 助教.
 現在に至る.

著作
「コンピュータビジョン ~広がる要素技術と応用~ 」10章 人物属性認識
 「車載センシング技術の開発とADAS、自動運転システムへの応用」車載カメラ映像からの遠方歩行者の検出技術と精度向上