セミナー番号:B170962(機械学習)
【 2 名 同 時 申 込 で 1 名 無 料 】 対 象 セ ミ ナ ー

<産業応用を見据えた>
機械学習・ディープラーニングの基礎と利用方法

~機械学習・ディープラーニングを産業界で利用するための入門かつ総合知識~

機械学習をこれから勉強しようとしている初学者の方を対象にして、基礎から産業応用を易しく解説
機械学習の考え方・種類・特徴・基礎手法・ディープラーニングの原理・特徴・課題
産業界で機械学習をどのように利用すべきか、利用できるのか

このセミナーの受付は終了致しました。
日時 2017年9月12日(火)  10:30~16:30
会場 東京・品川区大井町 きゅりあん  6F 中会議室
会場地図
受講料(税込)
48,600円 ( S&T会員受講料 46,170円 ) S&T会員登録について

定価:本体45,000円+税3,600円

会員:本体42,750円+税3,420円

【2名同時申込みで1名分無料キャンペーン(1名あたり定価半額の24,300円)】
※2名様ともS&T会員登録をしていただいた場合に限ります。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、上記1名あたりの金額で追加受講できます。
※受講券、請求書は、代表者にご郵送いたします。
※請求書および領収書は1名様ごとに発行可能です。
(申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
※他の割引は併用できません。
備考資料・昼食付
※講義中の録音・撮影はご遠慮ください。
※講義中のパソコン使用はキーボードの打音などでご遠慮いただく場合がございます。
得られる知識機械学習とディープラーニングの基礎と特徴,現状と課題,将来展望,今後それらをどのように産業や仕事に利用していくべきかについての知見など
キーワード:機械学習,ディープラーニング,ニューラルネットワーク,教師あり/なし学習,半教師あり学習,画像認識,時系列予測
このセミナーの再リクエストはこちらから

講師

横浜国立大学 大学院環境情報研究院 教授 工学博士 長尾 智晴 氏
【専門】知能情報学・知能ロボティクス
【講師紹介】

趣旨

 昨今注目されている人工知能技術である機械学習・ディープラーニングについて、機械学習をこれから勉強しようとしている初学者の方を対象にして、基礎から産業応用までを易しく解説します。TensorflowやChainerなどのツールの具体的な利用方法についてではなく、機械学習の考え方・種類・特徴・基礎手法・ディープラーニングの原理・特徴・課題,産業界で機械学習をどのように利用すべきか?など、機械学習の現状と課題・将来展望について概観することを目的とします。

プログラム

1.機械学習とは何か?
 1.1 人工知能超入門
  1.1.1 人工知能の歴史
  1.1.2 人工知能の考え方の推移
 1.2 機械学習の種類と概要
  1.2.1 帰納学習・演繹学習・発見的学習
  1.2.2 類推学習・強化学習・概念形成
  1.2.3 事例ベース学習

2.教師あり学習・教師なし学習・半教師あり学習
 2.1 特徴空間と識別面
  2.1.1 パターン認識と特徴空間
  2.1.2 特徴空間の変換と最適化
 2.2 教師あり学習の手法
  2.2.1 サポートベクターマシン(SVM)とブースティング
  2.2.2 決定木とランダムフォレスト
 2.3 教師なし学習の手法
  2.3.1 NN(Nearest Neighbor)法とk-平均法
  2.3.2 自己組織化マップ(SOM)
 2.4 半教師あり学習の手法
  2.4.1 原理と課題

3.ニューラルネットワークとディープラーニング(深層学習)
 3.1 相互結合型神経回路網と階層型神経回路網
  3.1.1 人工神経回路網研究の歴史と基礎
  3.1.2 相互結合型神経回路網
  3.1.3 階層型神経回路網
  3.1.4 その他のモデル(リカレント型神経回路網など)
 3.2 ディープラーニング超入門
  3.2.1 深い階層を実現するための種々の工夫
  3.2.2 CNN(Convolutional Neural Network)とその応用
  3.2.3 最近のDNN(Deep Neural Network)モデルのご紹介
  3.2.4 ディープラーニングの特徴と課題
 3.3 ディープラーニングの利用方法
  3.3.1 各種のツール(Tensorflow・Chainerなど)について
  3.3.2 Python言語超入門

4.機械学習・ディープラーニングの応用事例の紹介
 4.1 画像処理プロセスの自動構築・最適化
 4.2 高精度な画像認識器の自動構築
 4.3 ロボットの制御プログラム・ルールの最適化
 4.4 複雑なデータ間の関係性の自動抽出
 4.5 時系列変動データの将来変動予測
 4.6 その他の問題への応用

5.機械学習の産業応用
 5.1 機械学習の導入の現状と課題
 5.2 機械学習の産業応用の将来展望

6.まとめ

  □質疑応答□

関連する書籍・セミナー・通信講座・カテゴリー・特集

このセミナーの再リクエストはこちらから
▲このページのTOPに戻る