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

トリケップスセミナーのご案内

     開催日時:2019年6月21日(金)10:30~16:30
     会  場:オームビル  → 会場へのアクセス 
          〒101-8460 東京都千代田区神田錦町3-1
     参 加 費:お1人様受講の場合 47,000円 (税別/1名)
          1口(1社3名まで受講可能)でお申し込みの場合 57,000円 (税別/1口)
          お申し込み受付中

申込方法

 お1人様受講の場合、下記のカートへの投入、あるいはFAX用紙にてお申込ください。
 1口でお申し込みの場合、下記のFAX用紙にてお申込ください。
 折り返し、聴講券、会場地図、請求書を送付いたします。

  お1人様申込み
     FAX申込用紙PDF 
  1口(1社3名まで受講可能)でお申し込み    FAX申込用紙PDF 
 

講 師

太田 桂吾(おおたけいご)氏  応用技術㈱ ソリューション本部 主査

セミナーの概要

 機械学習、ディープラーニングの概要を解説します。また、サンプルプログラムを解説しながら、実際のデータをどう扱うかも解説します。サンプルは、【画像分類(CNNによる分類)】、【音による異常検知(正常時の音からモデルを作成し、音の変化で異常発生を検知します)】、【強化学習】を用意します。

講義項目

 1 機械学習とディープラーニング
  1.1 機械学習の基本
   1.1.1 データがモデルをつくる
  1.2 学習の種類
   1.2.1 教師あり学習の基本
   1.2.2 教師なし学習の基本
   1.2.3 強化学習の基本
  1.3 ディープラーニング
   1.3.1 概要

 2 事象を数値へ変換する
  2.1 画像を数値情報へ変換する
  2.2 言語を数値情報へ変換する
  2.3 音を数値情報へ変換する
  2.4 状態を数値情報へ変換する

 3 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
  3.1 データ前処理の方法

 4 ディープラーニングの基礎
  4.1 ディープラーニングの種類
   4.1.1 畳み込みニューラルネットワーク CNN(Convolutional Neural Network)
   4.1.2 再帰型ニューラルネットワーク RNN(Recurrent Neural Network)
   4.1.3 強化学習(Deep Q-learning)
  4.2 Windowsでディープラーニング環境をオープンソースのフレームワークにて構築する方法

 5 データごとの応用事例
  5.1 画像データを利用した応用事例
   5.1.1 画像を分類する
   5.1.2 画像から物体を検出する
   5.1.3 その他 応用事例各種
  5.2 音データを利用した応用事例
   5.2.1 音データの解析のポイント
   5.2.2 音データの分類
   5.2.3 音データからの異常検知
   5.2.4 その他 応用事例各種
  5.3 強化学習の応用事例
   5.3.1 3目並べ
   5.3.2 その他 応用事例各種べ

 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