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

     開催日時:2016年12月2日(金)12:30~16:30
     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 44,000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 56,000円 (税別/1口)

  サブテキストとして、「機械学習と深層学習-C言語によるシミュレーション-」(小高知宏 著、2808円(税込)、オーム社)を使用しますので、ご希望の方はご連絡ください。受講料、テキスト代(実費)を合わせて請求させていただきます。
 

講 師

小高知宏 氏 / 福井大学 工学部 知能システム工学科 教授 (博士 (工学))

講師の言葉

 本講座では、人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として、近年注目されている深層学習:Deep Learning(ディープラーニング)の技術の原理を示します。
 機械学習に関するさまざまな技術や手法を示すとともに、いくつかの重要な技術については処理手続きやプログラム例を適宜示すことで、これらの技術がどのようなものなのかを具体的に理解できるように紹介して行きます。

受講後、習得できること

 ・機械学習の基本技術の理解、特に、強化学習、群知能、進化的計算、およびニューラルネットの原理の理解
 ・深層学習の技術の具体的理解、特に、畳み込みニューラルネットの理解

受講対象

 ・ソフトウェアシステム等の企画・開発に携わる方で、人工知能技術の導入を検討されている方
 ・制御システム等に対する機械学習技術の応用を考えられている方
 ・機械学習技術の具体的実装(プログラム化)にご興味のある方
 ・最近話題となっているディープラーニングの具体的実現技術にご興味のある方

講義項目

 1.機械学習とは
  1) 学習と機械学習
   a)ディープラーニングの成果
   b)機械学習とは
  2) ディープラーニングに至る機械学習の歴史
   a)チューリングと機械学習
   b)ダートマス会議
   c)ゲームの学習
   d)概念の学習・自然言語処理への機械学習の応用
   e)進化的計算
   f)群知能
   g)強化学習
   h)ニューラルネットワークとディープラーニング

 2.強化学習
  1) 強化学習とは
   a)教師あり学習・教師なし学習
   b)強化学習
  2) Q学習による強化学習の実現
   a)Q学習の原理
   b)Q学習のアルゴリズム
   c)Q学習の実装方法

 3.群知能
  1) 群知能とは
   a)生物の群れの知的行動
   b)粒子群最適化法
   c)蟻コロニー最適化法
  2) 粒子群最適化法による群知能の実現
   a)粒子群最適化法のアルゴリズム
   b)粒子群最適化法の実装方法

 4.進化的手法による機械学習
  1) 進化的手法とは
   a)生物進化と最適化
   b)遺伝的アルゴリズム
  2) 遺伝的アルゴリズムの実際
   a)遺伝的アルゴリズムの処理手続き
   b)遺伝的アルゴリズムの実装方法

 5.ニューラルネットワークの基礎・構成と使い方
  1) 人工ニューラルネットワーク
   a)人工ニューロンのモデル
   b)ニューラルネットワーク
   c)ニューラルネットワークの学習
  2) バックプロパゲーションによるニューラルネットワークの学習
   a)バックプロパゲーションの原理
   b)バックプロパゲーションのアルゴリズム

 6.深層学習:DeepLearning(ディープラーニング)
  1) ディープラーニングとは
   a)ディープラーニングの基礎(原理、長短所、課題等)
   b)ディープラーニングの具体的技術
   c)ディープラーニングの実装方法
  2) 畳み込みニューラルネットワーク
   a)畳み込みニューラルネットワークの構成要素
   b)畳み込みニューラルネットワークの構成方法

 7.機械学習・ディープラーニングの現状
  1)機械学習・ディープラーニングでできること
  2)特微量の学習(特微量抽出はどの程度可能か?必要な条件は?)
  3)強化学習・進化的機械学習とディープラーニングとの組み合わせ
  4)機械学習・ディープラーニングの課題