【公開講座】マシンラーニングオーバービュー～AIを支える技術・理論・利用方法を学ぶ～

重要なご連絡・ご確認事項

【本コースはオンライン対応です】※一部日程をオンラインで開催しています会場が「オンラインLive」または「教室Live配信」の日程は、PCやタブレット等を通してオンラインでご参加いただけます。オンラインLive：受講者の方はオンラインのみとなります。教室Live配信：教室・オンラインから受講される方が混在します。 ★オンラインLiveトレーニングの詳細はこちら

対象者

・サービス企画担当者・プロジェクトマネージャー・システムエンジニア・ JDLA G検定合格を目指す方

コース概要

機械学習の種類、アーキテクチャ、実装方法および周辺知識について学習します。AI/機械学習の分野で飛び交う様々な概念や用語を、講義とデモ環境を動かしながら体系的に身に着けるとができます。構築済のデモ環境の操作に関してはプログラミングや数学の知識は不要ですので、これから機械学習を始めるエンジニアだけでなくサービス企画担当者やプロジェクトマネージャーなど幅広い職種の方にもおすすめです。また、日本ディープラーニング協会が実施するG検定試験の合格を目指すためのファーストステップとしてもおすすめです。

学習目標

・機械学習の概要を理解する・機械学習のアルゴリズムと要素技術の概要を理解する・機械学習の実装方法と利用方法を理解する

主催団体

本コースは、トレノケート株式会社が主催しております。

学習内容

1. 機械学習の概要・人工知能、機械学習、深層学習・機械学習の実装例・機械学習と従来型プログラム・機械学習の主な種類 2. 教師あり学習・教師あり学習の概要・教師データ・線形回帰・ロジスティック回帰・サポートベクタマシン・決定木・ランダムフォレスト・ニューラルネットワーク 3. ニューラルネットワーク・ニューラルネットワークの概要・ニューラルネットワークの構成要素・順伝播と逆伝播・畳み込みニューラルネットワーク (CNN) ・CNNによる画像分類、物体検出、セグメンテーション・再帰型ニューラルネットワーク (RNN) ・RNNによる時系列データ、自然言語処理 4. 教師なし学習・教師なし学習の概要・クラス分類とクラスタリング・階層型クラスタリング・k-means法・主成分分析 (PCA) ・オートエンコーダー・GAN (Generative Adversarial Networks) 5. 強化学習・強化学習の概要・Q学習 (Q-Learning) ・DQN (Deep Q-Network) 6. 機械学習の利用と実装・機械学習のビルディングブロック・データの前処理・機械学習の予測精度向上手法・ライブラリとフレームワーク・機械学習のクラウドサービス・データセットの入手・学習済モデル

実習/演習/デモ内容

・重回帰分析・ロジスティック回帰・決定木・ランダムフォレスト・サポートベクタマシン・ニューラルネットワーク・SSD(Single Shot Multibox Detector) ・セマンティックセグメンテーション・RNNによる株価予測・RNNによる機械翻訳・階層化クラスタリング・k-means ・主成分分析(PCA) ・オートエンコーダーによる特徴抽出とノイズ除去・GANによる画像生成・Q学習(Q-Learning) ・DQN(Deep Q-Network) ・CPU_GPU速度比較