【公開講座】ディープラーニングハンズオンセミナー　PyTorchコース　E資格受験プラン

ディープラーニングハンズオンセミナー　PyTorchコース　E資格受験プラン

対象者

AI案件を任されるようになり実務をこなすための基礎を身に付けたい方
機械学習・ディープラーニングなどのAI技術や数学について体系的に学びたい方
一歩進んだ高度な処理を必要としたりプログラミング経験が中級以上の方

研修の特徴

JDLA認定 E資格認定講座

ディープラーニングを学ぶ際の障壁は「何から手を付ければよいかが分からない」ということです。この点について、ディープラーニングの全体像の体系だった地図を得ることができます。ベースとなる手法を理解することは最新動向を自力で追う基礎固めとなります。

Microsoft公式認定

日本マイクロソフト社から公式に認定を受けたデータサイエンティスト育成セミナーとなっています。

第四次産業革命スキル習得講座

経済産業大臣が認定する「第四次産業革命スキル習得講座」の認定講座、厚生労働省指定の「教育訓練支援給付金」の対象講座となっており、最大70%の補助が出ます。

研修の背景

AIは研究から活用フェーズへ

計算資源、クラウド利用環境の向上により誰もがAIを使える時代が到来しています。

求められる人材像の変化

従来型IT人材から、ビッグデータ、人工知能（AI）IoTロボット等の先端IT人材の育成が急務です。

研修で得られるスキル

ディープラーニングの全体像がわかる

日本ディープラーニング協会（JDLA）が提供するエンジニア向け（E資格）の認定講座です。

実践的なモデルの実装

ディープラーニングの理論の詳細を掴むことで、講義外の内容についても自走力・応用力を身につけることができます。任意の学習済みモデルを実装する力をつけることができ、活躍の幅が広がります。

網羅的なスキルが身につく

実装を通して一連の流れを身につけることができ、受講後の活用イメージが湧きます。コスト、性能、その他様々な実務の観点から最適な手法選択とその実装ができるようになります。

主催団体

本コースは、株式会社キカガクが主催しております。

講義内容

【予習動画】数学の基礎から Python の基礎を学ぶ

内容
研修プログラム例
40分	1．イントロダクション・人工知能、機械学習、ディープラーニングとは・機械学習に必要な数学・機械学習の３大トピック・内挿と外挿
50分	2．微分・微分は「何」に使えるのか？・導関数を求めよう・微分の公式・偏微分
40分	3．単回帰分析（数学）・「モデル」を決める・「評価関数」を決める・評価関数を「最小化」する
70分	4．Python入門・プログラミングの環境構築・変数・基本構文・複数の変数を扱う・制御構文・関数
40分	5．単回帰分析(実装）・Numpyの数値計算・Pandasによるデータベース操作・Matplotlibでグラフ描画・実データに対する単回帰分析の実装
60分	6．線形代数・スカラー,ベクトル,行列・行列の演算・サイズ感・転置,単位行列,逆行列・ベクトルで微分
50分	7．重回帰分析(数学) ・「モデル」を決める・「評価関数」を決める・評価関数を「最小化」する
70分	8．重回帰分析(実装) ・行列演算の基礎・パラメータの導出・実データで演習
30分	9．統計・主な統計量・正規分布と3σ法・スケーリング
30分	10．外れ値を考慮した実装・外れ値除去・モデル構築・スケーリングとパラメータの確認
15分	11．ビジネス活用・現場で機械学習を導入できる人材とは

【1日目】環境構築からPyTorchの基礎を学ぶ

内容
研修プログラム例
9:30-10:00	1．イントロダクション・自己紹介・AIの開発フロー
10:00-11:00	2．環境構築・Azure を用いたGPUインスタンスの作成・Dockerの基礎・Nvidia-Dockerを用いたGPU環境構築
11:10-13:30	3．ディープラーニングの数学1 ・ニューラルネットワークのモデル・線形変換・非線形変換
13:30-14:00	4．ディープラーニングの実装1 ・PyTorchの基礎・線形変換・非線形変換
14:10-14:40	5．プログラミング基礎・Classの基礎
14:40-15:20	6．ディープラーニングの数学2 ・最急降下法によるパラメータ更新・ミニバッチ学習
15:30-16:50	7．ディープラーニングの実装2 ・データセットを準備・ネットワークを定義・損失関数を選択・最適化手法を選択・ネットワークを学習
17:00-17:30	8．ディープラーニングの数学3 ・モデルの定義・ミニバッチ学習・最適化手法 (SGD, Adam) ・学習ループの記述

【2日目】PyTorchで分類、回帰問題の実装と画像分類を学ぶ

内容
研修プログラム例
9:30-11:00	1．分類（実装）・問題設定（ワインの等級の予測）・モデルの定義・学習ループの簡略化・バッチ正規化の実装
11:10-13:30	2．回帰（実装）・問題設定（家賃の予測）・モデルの定義・学習
13:30-14:30	3．画像処理（数学）・画像の扱い方・どのようにベクトルで表現するか・フィルタの基礎・エッジフィルタの計算・Convolutional Neural Network
14:40-15:10	4．画像処理（実装）・画像の読み込み（OpenCV, Pillow）・フィルタの計算
15:10-16:50	5．画像分類・CNNモデルの定義・GPUを用いた計算
17:00-17:30	6．課題・実データに対する画像分類の精度を高める

【3日目】PyTorchで時系列解析から文書分類を学ぶ

内容
研修プログラム例
9:30-10:30	1．時系列解析（数学）・時系列データとは・どのようにベクトルで表現するか・複数の変数に対するモデル化・Recurrent Neural Network
10:40-13:30	2．時系列解析（実装）・データの取得・データの可視化・トレンド抽出・RNNモデルの定義・実データに対する分類の実装
13:40-14:50	3．自然言語処理・形態素解析・どのようにベクトルで表現するか
15:00-17:30	4．文書分類・形態素解析・名詞のみの抽出・特徴量変換（BoW）・文書データから教師データ作成・NNモデルで分類の実装

E資格補講動画

内容
研修プログラム例
160分	1.数学～線形代数～・ノルム・内積・逆行列・行列式・三次の逆行列・固有値問題・特異値分解・ラグランジュの未定乗数法・主成分分析
85分	2．数学～確率統計～・期待値・確率分布・ベイズ則・尤度関数
50分	3．情報理論・情報量・エントロピー・KLダイバージェンス
90分	4．機械学習～基礎・パーセプトロン～・機械学習アルゴリズム・微分で必要な知識・パーセプトロン
40分	5．機械学習～サポートベクターマシン～・サポートベクターマシン
50分	6．機械学習～ロジスティック回帰～・ロジスティック回帰
15分	7．機械学習〜k-means・最近傍法〜・k-means ・最近傍法
70分	8．深層学習〜誤差逆伝播法・過学習対策〜・最急降下法の復習・誤差逆伝播法・ドロップアウト・正則化
50分	9．深層学習〜最適化〜・最適化-1-最急降下法・最適化-2-SGD ・最適化-3-モーメンタム・最適化-4-ネステロフのモーメンタム・最適化-5-Adagrad ・最適化-6-RMSProp ・最適化-7-Adam
80分	10．深層学習〜CNN・R-CNN〜・CNN-1-有名なモデル1 ・CNN-2-有名なモデル2 ・R-CNN-1-概要・R-CNN-2-CNNの復習・R-CNN-3-CNNの中身・R-CNN-4-IoU ・R-CNN-5-Fast R-CNN ・R-CNN-6-Multi task Loss ・R-CNN-7-Faster R-CNN ・SemanticSegmentation-1-U-net ・SemanticSegmentation-2-FCN ・SemanticSegmentation-3-SegNet
50分	11．深層学習〜RNN〜・RNN-LSTM1 ・RNN-GRU ・RNN-GradientClipping ・RNN-双方向RNN
60分	12．深層学習〜生成モデル〜・生成モデル-AE ・生成モデル-VAE ・生成モデル-GAN
75分	13．深層学習〜強化学習〜・強化学習
55分	14．深層学習〜計算グラフ〜・計算グラフ -計算グラフとは・計算グラフ -足し算、掛け算・計算グラフ- Affine変換
120分	15．深層学習〜NN実装〜・NumpyでNN実装・NumpyでNN実装-レイヤとしてまとめていく・NumpyでNN実装-逆伝播-Affine ・NumpyでNN実装- 各種Optimizerについて・NumpyでNN実装-NNの構造・NumpyでNN実装-データの準備・NumpyでNN実装-学習に必要な準備・NumpyでNN実装-学習・NumpyでNN実装-推論・RNN-Attention
90分	16．新シラバス・正規化・モデル圧縮・分散処理・MobileNet ・DenseNet ・Pix2Pix ・WaveNet ・Transformer ・AlphaGo

留意事項・備考

お申込み後のキャンセルにつきましてはこちらをご覧ください

【事前に必ずご確認の上お申込みください】
＊事前のお席の確保などのご対応致しかねます。
＊お申込み内容は、翌営業日以降に確定いたします。
＊お申込み後、満席などでご受講できない場合がございますので、あらかじめご了承ください。満席の場合は、別途ご連絡申し上げます。
＊オンライン受講に関する詳細はこちらをご確認ください