ビジネスに特化したクオリティの高いセミナーや研修が見つかる!
会員登録をしてセミナーに申し込むとさまざまな特典が受けられます
トップページ  インデックス検索  技術・研究  技術・研究(その他)  機械学習・ディープラーニングの 基礎とデータ処理の仕方

開催日 2020/11/06 (金) 開催地 東京都

~数式を使わない~

機械学習・ディープラーニングの 基礎とデータ処理の仕方

主催 株式会社 技術情報協会 講師 太田 桂吾 氏 受講料 55,000円   

このセミナーをチェックリストに追加する  お申込み受付中
★データの抜け、異常値の対応、データ量の調整、過学習の判断基準…
    難解な数式を出来るだけ使わず、実践で使えることを第一に解説します!

※Zoomを利用したLive配信 ※会場での講義は行いません
開催日時 2020/11/06 (金)     10:00~ 17:00     (受付  09:30 ~ )

他の開催日・開催場所(同じ都道府県内)で探す    
申込み期間  ~ 2020/11/05
主催会社 株式会社 技術情報協会
この主催会社の他の最新セミナーを見る    
定員 30名
受講料 55,000円 (税込/各種割引については下段「お知らせ」欄をご参照ください)
開講場所 ・会場名: ZOOMを活用したLive配信
・住所: 〒141-0031 東京都  
・交通アクセス: 
講師
太田 桂吾 氏 講師写真

太田 桂吾 氏

(株)ネクステージ AIアナリスト

カリキュラム、
プログラム
【講演趣旨】
講師は、専門の研究者ではなく、システム開発者なので、とにかく実践で使えることを第一に考えています。そこで、まずはデータ分析の未経験者でもわかるように可能な限り数式を排して理論とその実践方法を説明します。ここで、大まかにデータ分析、機械学習を理解します。次にtensorFlow、PyTorchというメジャーなフレームワークを使用し、Windowsマシンで、実際にデータを操作しながら、ディープラーニングを実施します。また、サンプルを動かしての解説ではなく、データ分析を、「データ整理」「前処理」「分析」の一連の流れを解説します。なお、講義で使用したサンプルソース等はdropbox公開フォルダに置きますで、講演後にダウンロードし使用可能です。

【講演項目】
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
 1.1 データの定義
 1.2 扱うデータの特性を把握する
  1.2.1 時間軸/場所の考慮
  1.2.2 データを発生させるもの
 1.3 データの前処理
  1.3.1 データの抜け、異常値への対応
  1.3.2 データの量を調整する (増やす/減らす)
  1.3.3 データの次元を削減する
 1.4 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?
  1.4.1 必要となるデータの量
  1.4.2 データクレジング
  1.4.3 フレームワークでの処理
 1.5 サンプルデータの説明
  1.5.1 デモで使用するサンプルデータの説明
2.機械学習/ディープラーニングの数理・確率論
    ~対象物を数値情報へ変換する~
 2.1 分布
 2.2 次元とベクトル
 2.3 画像を数値情報へ変換する
 2.4 言語を数値情報へ変換する
 2.5 音を数値情報へ変換する
 2.6 状態を数値情報へ変換する

3.機械学習の基礎と実践
 3.1 機械学習の基本
  3.1.1 データがモデルをつくる
  3.1.2 学習結果をどう受け取るべきか
 3.2 学習の種類
  3.2.1 教師あり学習の基本
  3.2.2 教師なし学習の基本
  3.2.3 強化学習の基本
 3.3 結果の分類
  3.3.1 回帰
  3.3.2 クラス分類
 3.4 Windowsで機械学習環境をオープンソースにて構築
  3.4.1 使用可能なオープンソース一覧
  3.4.2 Pythonの設定 (Windows10端末の例)
 3.5 サンプルデータを機械学習で処理
  3.5.1 Pythonを実行し結果を得る
 3.6 機械学習のプログラム解説

4.ディープラーニングの基礎と実践
 4.1 機械学習とディープラーニングの違いは?
  4.1.1 ディープニューラルネットワークとは
  4.1.2 把握すべきディープニューラルネットワークの特性
 4.2 ディープラーニングを分類し、その特徴を把握する
  4.2.1 畳み込みニューラルネットワーク CNN
  4.2.2 再帰型ニューラルネットワーク RNN
  4.2.3 強化学習 (Deep Q ? learning)
 4.3 Windowsでディープラーニング環境をオープンソースにて構築
  4.3.1 TensorFlow
  4.3.2 PyTorch
 4.4 サンプルデータをディープラーニングで処理
  4.4.1 TensorFlowで動かし結果を得る
  4.4.2 PyTorchで動かし結果を得る
 4.5 ディープラーニングのプログラム解説
  4.5.1 TensorFlowの解説
  4.5.2 PyTorchの解説
 4.6 解析結果の考察とチューニング
  4.6.1 TensorFlow
  4.6.2 PyTorch
 4.7 精度を上げるためにいかにパラメータを最適化するか?
 4.8 過学習の判断基準
 4.9 その他、実践にあたり注意すべきこと

5.データ分析の手順のまとめ
 5.1 データ整理・前処理
  5.1.1 様々な整理手法
  5.1.2 「教師なしデータ」から「教師ありデータ」へ
 5.2 機械学習・ディープラーニングによる解析
  5.2.1 どの手法を選択するか

6.このセミナーだけで終わらせないために
 6.1 twitter/ブログを通じた情報の収集
 6.2 より高速な環境を求める場合
【質疑応答】
特典 セミナー資料付
各講で最後に質疑応答時間あり。終了後の個別質疑可。

セミナー参加費
支払い方法
1. 銀行振込または現金書留にてお願いいたします。

2. 原則として開催日までにお願い致します。

3. 銀行振込の場合は、原則として領収証の発行は致しません。

4. 振り込み手数料はご負担ください。
お知らせ ●各種割引について
1. 同一テーマ1社2名以上同時申込の場合のみ、1名につき5,500円(税込)割引いたします。
2. 大学(教員、学生)、公的機関、医療機関の方は、「アカデミック価格」33,000円/1名(税込)でご参加いただけます。(2名同時申込割引は適用されません)
割引適用の場合は、お申し込み後、技術情報協会より確認のご連絡を差し上げます。

●Live配信セミナーの受講について
・ Zoom公式サイトで視聴環境を確認の上、お申し込みください。
・ 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
・ セミナー配布資料は印刷物を郵送いたします。
・ 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・ 本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・ Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

他にもこんなセミナーがあります

セミナーチェックリストを見る

会員なら色々な特典が受けられます
掲載の記事・写真・図表などの無断転載を禁止します。
著作権は株式会社ファシオまたはその情報提供者に属します。