化学品の市場調査、研究開発の支援、マーケット情報の出版

CMCリサーチセミナー

       開催日時:2018年11月8日(木)13:30~16:30 
       会  場:ちよだプラットフォームスクウェア 地下1階 ミーティングルーム R003
            〒101-0054 東京都千代田区神田錦町3-21  → 会場へのアクセス 
       受 講 料:40,000円(税込) ※ 資料代含
             * メルマガ登録者は 36,000円(税込)
             * アカデミック価格は 15,000円(税込)
            パンフレット
 
 ★ アカデミック価格:学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院の教員、学生に限ります。
 ★ 【メルマガ会員特典】2名以上同時申込で申込者全員メルマガ会員登録をしていただいた場合、2人目は無料です(1名価格で2名まで参加可能)。また、3名目以降はメルマガ価格の半額です。
 ★ セミナーお申込み後のキャンセルは基本的にお受けしておりません。ご都合により出席できなくなった場合は代理の方がご出席ください。
 

講 師

 大関 和夫 氏  芝浦工業大学 名誉教授 博士(工学)

【講師経歴】
 1974年3月 早稲田大学 理工学部 数学科卒業、東芝総合研究所にて画像圧縮、放送映像処理を行う。
 1999年より芝浦工業大学教授、科研費「超3次元顔画像CGシステムによる感性の研究(1,336万円)」のプロジェクトを主催、顔画像処理、瞬きの解析を行う。自動運転ではドイツ・ケンプテン大学との共同研究を主催し、相互交流を推進。深層学習ではGPU計算機の開発や、道路映像の認識を行い、精度向上の実用化研究を行う。
 G検定合格者

セミナーの趣旨

 Deep Learning(ディープラーニング/深層学習)とは、ニューラルネットワークを多層化した機械学習の手法(狭義には4層以上)です。本講座では、人工知能とは何か、ディープラーニングの基礎となる「ニューラルネットワーク」、「機械学習」の基礎を学んだうえで、「ディープラーニング」の基礎を学びます。また、ビジネスでの利用のためにDL用フレームワーク(ツール)などについても、現在の状況を紹介します。
 なお、当該セミナーでは日本ディープラーニング協会(JDLA)が主催する「G(ジェネラリスト)検定」を受験する方にも役に立つように、G検定向けの問題集も参考資料として進呈します。
 なお「G検定」は6月に続き2018年11月24日(土) に行われます。
  http://www.jdla.org/business/certificate/
 G検定に関する詳細は上記のURLをご覧ください。

講師から

 G検定合格に必要な、深層学習が機能するしくみ、機械学習の代表的数種の機能の解説を行い、人工知能が高性能になるしくみを理解できるように説明します。また、日頃の疑問を解決するため、テキスト以外のQ/Aの受付も致します。

セミナー対象者

 ディープラーニングを基礎から学びたい方
 日本ディープラーニング協会(JDLA)が主催する「G(ジェネラリスト)検定」を受験を考えている方

セミナーで得られる知識

 人工知能と深層学習に関する広い範囲の知識とビジネスを開始するための導入的予備知識。深層学習のしくみ、機械学習の代表数種の方式。一般的な予想問題に加え、新作の意欲的な予想問題を準備しています。

プログラム

  ※ 適宜休憩が入ります。

 日本ディープラーニング協会(JDLA)のG検定シラバスに準拠し、下記の項目についての予想問題と、解説を行います。

● 人工知能(AI)とは(人工知能の定義)
 ILSVRC:画像認識コンテスト
 ImageNet:大規模画像データベース
 手書き文字データはMNIST

● 人工知能をめぐる動向例題
 探索・推論、知識表現、機械学習、深層学習
 人工知能分野の問題例題
  トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、
  シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ

● 機械学習の具体的手法例題
 代表的な手法、データの扱い、応用

● ディープラーニングの概要例題
 ニューラルネットワークとディープラーニング、
 既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU
 ディープラーニングにおけるデータ量

● ディープラーニングの手法例題
 活性化関数、学習率の最適化、更なるテクニック、CNN、RNN
 深層強化学習、深層生成モデル

● ディープラーニングの研究分野例題
 画像認識、自然言語処理、音声処理、ロボティクス
 (強化学習)、マルチモーダル

● ディープラーニングの応用に向けて
 産業への応用、法律、倫理、現行の議論