データ処理・機械学習・ディープラーニングを理解し実務に役立てるための
フレームワークによる機械学習および 
ディープラーニング基礎実践 (PC演習つき)
 ~データ処理,画像・言語・音の情報の数値情報への変換を含めて~
【WEB受講可能(Zoomセミナー)

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,
画像・言語・音の情報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
2020/12/16(水)10:00〜17:00
会場
*本セミナーWEB受講のみとなります。
会場案内
受講料 (消費税等込み)1名:49,500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:44,000円
テキスト
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
2020/12/16(水)10:00〜17:00
会場
*本セミナーWEB受講のみとなります。
会場案内
受講料 (消費税等込み)1名:49,500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:44,000円
テキスト
受講形式
 WEB受講のみ
 *本セミナーは、Zoomシステムを利用したオンライン配信となります。
  Zoomアプリのダウンロードをしなくてもブラウザから視聴可能です。

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概観
 1)データ分析と統計

2.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)時系列データ
 4)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
 5)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
  d) データの正規化
 6)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

3. 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)画像を数値情報へ変換する
 2)言語を数値情報へ変換する
 3)音を数値情報へ変換する

4.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
 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

5.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)
 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

6.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