IT・技術研修ならCTC教育サービス

コース内容

コース概要

AI（人工知能）技術の一翼を担う「ディープラーニング」について、ビジネス課題の解決を目的にどのようにアプローチしていくのかを講義と実践を通じて学んでいきます。最近のディープラーニングはライブラリが充実しているため、Pythonに限らずプログラミング経験者であれば動かすことは容易になりました。しかし、性能を上げるための調整や改良を行うためにはディープラーニングの仕組みを理解する必要があります。本講座では、ディープラーニングの中で使われている数学や統計理論をはじめ、ディープラーニングを学ぶ上で基本となるニューラルネットワークの仕組みを理解し、画像認識で必ず使われるCNN（畳み込みニューラルネットワーク）について学ぶことで、より実用的なディープラーニング実践力を身に付けます。

学習目標

・機械学習技術の概要と数学的な背景を踏まえて、ニューラルネットワーク（DNN/CNN）の概要を理解し、問題解決のためにディープラーニングを用いて実践できるようになること

対象者

・ディープラーニングで何ができるのかを知りたい方
・業務でディープラーニングが必要になった方
・これからAIエンジニアを目指したい方（目指している方）
・ディープラーニングによるビジネス課題の解決に興味がある方
・ディープラーニングを用いたプロジェクトに関わることになったマネジメント層の方
・ディープラーニングの基礎を効率よく理解したい方
・ディープラーニングの書籍だけでは納得できなかった方や、独学による習得に限界を感じている方

前提知識

・機械学習による問題解決実践を受講済みの方、または同等レベルの知識がある方
・PythonまたはPython以外のプログラミング経験がある方
・高校数学程度の知識（特に微分の概念）があることが望ましい
・Zoom・BOXをご利用いただける方
・受講環境をご準備いただける方
※詳細はオンライン受講におけるガイドラインをご確認ください。
　◆オンライン受講におけるガイドラインはこちら：https://www.brainpad.co.jp/school/program/online

スクール環境

・Windows，Mac

内容

PART1
【講義：60分】
●機械学習の基礎
　・人工知能と機械学習の歴史
　・機械学習とその分類
　・教師あり学習

PART2
【講義：180分】
●ソフトマックス回帰モデル
　・ソフトマックス回帰モデルと学習方法
　・勾配降下法
　・過剰適合と過少適合
　・ソフトマックス回帰モデルの性質
　・分類問題に対するモデル評価

PART3
【講義：120分】
●ニューラルネットワーク
　・多層ニューラルネットワークのアーキテクチャ
　・多層ニューラルネットワークの学習と誤差逆伝播法
　・勾配消失問題とReLU
　・勾配降下法と周辺問題
　・汎化
【演習：150分】
●Fashion-MNISTを用いた画像認識演習
　多層ニューラルネットワーク編

PART4
【講義：60分】
●畳み込みニューラルネットワーク
　・畳み込み層
　・プーリング層
　・CNNの弱点とその克服にむけて
【演習：150分】
●Fashion-MNISTを用いた画像認識演習
　畳み込みニューラルネットワーク編

備考

※初日は　14:00　開始です。
　1日目　14:00〜18:00
　2日目　9:00〜18:00

※利用環境・言語
　Python、JupyterLab、Keras

※受講条件
　Zoom・BOXをご利用いただける方
　受講環境をご準備いただける方
　詳細はオンライン受講におけるガイドラインをご確認ください。
　オンライン受講におけるガイドライン：https://www.brainpad.co.jp/school/program/online

※研修元であるブレインパッド社が実施する各本講座で提供される、ノウハウ、コンテンツ、文書、その他の知的財産権は研修元に帰属します。利用申込者はこれらの全部または一部を無断で利用、複製、転載、編集、公衆送信等することはできません。