データ処理・機械学習・ディープラーニングを理解するための フレームワークによる機械学習及びディープラーニングの基礎と実践(PC演習つき)
~データ処理の基本,画像・言語・音・状態の各情報の数値情報への変換を含めて~

機械学習/ディープラーニングを行う際に必要なデータの前処理,画像・言語・音(異常検知)・状態の
 数値情報への変換,機械学習の基礎と実践,ディープラーニングの基礎と実践についてデータの取り扱い,
  AIに関する提案に役立つようデータ操作を交えて解説する特別セミナー!!

講師 株式会社ネクステージ AIアナリスト ネットワークスペシャリスト 太田 桂吾 先生
日時

2019/6/14(金) 10:00 ~ 17:00

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 株式会社ネクステージ AIアナリスト ネットワークスペシャリスト 太田 桂吾 先生
日時 2019/6/14(金) 10:00 ~ 17:00
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

受講対象

 業種等は問いません

予備知識

  不要
   ただし、プログラムを自身で実行する場合には、基本的なプログラムに関する知識は必要
   (基本的なプログラムの知識:Excel VBAを動作させることが可能)

習得知識

 AI、機械学習を使用した業務改善の提案が可能となります。
 1)機械学習/ディープラーニングを行う際に必要なデータ処理の基本
 2)画像・言語・音・状態の数値情報への変換の基本
 3)機械学習の基礎
 4)ディープラーニングの基礎

持参品

 ノートパソコン( Windows10(64bit) )
 ※演習で使用するデータは事前送付します

講師の言葉

 機械学習の基本とディープラーニングの基本を極力数式なしで説明します。
そのため、初心者でも現在話題となっているAIの中身がどうなっているかを学習することができます。
 講師が実際のデータを操作することで、データをどう扱うかを学習していきます。
 画像(分類)、音(異常検知)、自然言語(トピック分類)、それぞれの例で解説しますので、それぞれがどのように取り扱われるかが
具体的に学習できます。
 また、受講者でノートPCを用意いただければ、事前に環境設定プログラム、サンプルプログラムを配布しますので、自身でも動作を
確認することも可能です。
 実際にデータを取り扱われる方、企業内でAIに関する提案を行う方に役立つ内容となっております。

プログラム

1.機械学習/ディープラーニングを行う際に必要なデータ処理の基本
 1)データの定義
 2)扱うデータの特性を把握する
  a) 時間軸/場所の考慮
  b) データを発生させるもの
 3)データの前処理
  a) データの抜け、異常値への対応
  b) データの量を調整する(増やす/減らす)
  c) データの次元を削減する
 4)ディープラーニングの精度を上げるためにどのようなデータを用意するか?
  a) 必要となるデータの量
  b) データクレジング
  c) フレームワークでの処理
 5)サンプルデータの説明
  a) デモで使用するサンプルデータの説明
2. 機械学習/ディープラーニングの前に
 ~対象物を数値情報へ変換する~
 1)統計をとる
 2)画像を数値情報へ変換する
 3)言語を数値情報へ変換する
 4)音を数値情報へ変換する
 5)状態を数値情報へ変換する
3.機械学習の基礎と実践
 1)機械学習の基本
  a) データがモデルをつくる
 2)学習の種類
  a) 教師あり学習の基本
  b) 教師なし学習の基本
  c) 強化学習の基本
 3)結果の分類
  a) 回帰
  b) クラス分類
 4)Windowsで機械学習環境をオープンソースにて構築
  a) 使用可能なオープンソース一覧
  b) Pythonの設定(Windows10端末の例)
 5)サンプルデータを機械学習で処理
  a) Pythonを実行し結果を得る
 6)機械学習のプログラム解説
4.ディープラーニングの基礎と実践
 1)機械学習とディープラーニングの違いは?
  a) ディープニューラルネットワークとは
  b) 把握すべきディープニューラルネットワークの特性
 2)ディープラーニングの各手法を把握する
  a) 畳み込みニューラルネットワーク CNN(Convolutional Neural Network)
  b) 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
  c) 強化学習 (Deep Q-learning)
 3)ディープラーニングの各手法を実践する
  a) 画像分類
  b) 音データによる異常検知
  c) 言語処理によるトピック分類
5.このセミナーだけで終わらせないために
  1)twitter/ブログを通じた情報の収集

講師紹介

 1990年 3月 岡山大学 文学部卒業
    同年   4月 応用技術株式会社 入社
    多くのWEBシステム構築に携わる
    近年はデータマイニング技術の応用に携わる
    一般企業向けの機械学習・ディープラーニングセミナー開催 多数
 2019年4月  株式会社ネクステージ AIアナリストとして勤務