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:2017年2月15日(水)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 46,000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)
          定員満席のため、お申し込み受付は終了しました。

講 師

清野克行(せいのかつゆき)氏 / サイバースペース代表

<略歴>
 慶應義塾大学工学部電子物理専攻卒。情報処理学会会員。日本IBM、日本HPで、製造・装置業を対象とした業務系/基幹業務系システムのSE/マーケティングや、分散アプリケーションによる社内業務システム開発などに携わる。
 現在は、クラウドやRIA関連のソフト開発/書籍執筆/セミナー講師/コンサルティングなどを行なっている。

セミナーの概要

 今やAI技術の主流となっているディープラーニングでは、ニューロンの働きを疑似的に多重化 した ニューラルネットワークを利用しています。
 本セミナーでは、AI技術の概要から始めてディープラーニングとはどのようなものなのか、そしてGoogle社のディープラーニング(深層学習)フレームワークであるTensorFlowの機能および使い方に解説を進めます。
その後TensorFlowの稼働環境を構築して、稼働環境上でのサンプル実行とサンプル内容の解説へと進めていき、TensorFlowのディープラーニングを実現するコード記述スタイルが理解できるようにしていきます。

講義項目

 1 AI利用の現状
  1.1 IBMの人工知能「ワトソン」、医者が思いもよらぬ治療法を続々発見
  1.2 TensorFlowの普及率は他を圧倒している
   1.2.1 Google翻訳 ニューラルネットワークが導入されて精度が大幅上昇
   1.2.2 Googleが深層学習専用プロセッサ「TPU」公表 性能はGPUの10倍

 2 AI技術概要
  2.1 AI技術の分類
  2.2 機械学習とディープラーニングの違い

 3  Deep Learning(深層学習)とは
  3.1 これまでの学習と深層学習(Deep Learning)
  3.2 Deep Learning基本手法のまとめ

 4 ニューラルネットワーク
  4.1 ニューラルネットワークとその表現
  4.2 ニューラルネットワークの利点と欠点

 5 ニューロンの動作原理
  5.1 ニューロンはいつ発火するのか?
  5.2 1つのニューロンの内部の状態の表現
  5.3 複数のニューロンの動きを考える
  5.4 活性化関数とクラス分けのActivator
   5.4.1 sigmoid関数
   5.4.2 ReLU(Rectified linear Unit)
   5.4.3 tanh関数
   5.4.4 softmax関数
   5.4.5 One-Hot-Vector
  5.5 ニューラルネットワークのパラメータ最適化
   5.5.1 線形回帰
   5.5.2 回帰分析
   5.5.3 損失関数(Loss Function)
   5.5.4 Gradient descent 勾配降下法

 6 TensorFlow
  6.1 TensorFlowとは
  6.2 TensorFlowの利点と欠点-1
  6.3 TensorFlow実行環境セットアップ

 7 TensorFlowプログラミング
  7.1 TensorFlowの変数生成
  7.2 TensorFlowの変数初期化
  7.3 パラメータ(重みとバイアス)の最適化
  7.4 バックプロパゲーション(Backpropagation)誤差逆伝播法

 8 TensorFlowサンプルプログラム
  8.1 線形回帰サンプル
   8.1.1 線形回帰とは
   8.1.2 サンプルコード regression.py
   8.1.3 線形回帰サンプル解説 regression.py
   ①予測式(モデル)を記述する
   ②誤差関数を記述
   ③最適化手法を選ぶ
   ④訓練データを作成(or読込)
   ⑤学習実行
   ⑥実行結果
   ⑦予測
   ⑧後片付け
  8.2 ロジスティック回帰サンプル
   8.2.1 ロジスティック回帰(logistic regression)
   ①単純パーセプトロン
   ②活性化関数(activation function)
   ③多層パーセプトロン
   ④ステップ関数
   ⑤シグモイド関数
   8.2.2 サンプル シグモイド関数を使用
   ①ソースコード sigmoid.py
   ②ソースコード解説 sigmoid.py
  8.3 MNIST for beginners
   8.3.1 サンプルコード mnist1.py
   8.3.2 実行結果
   8.3.3 MNIST for beginners解説
  8.4 Deep MNIST for Experts
   8.4.1 サンプルコード mnist2.py
   8.4.2 実行結果
   8.4.3 Deep MNIST for Experts解説
  8.5 CIFAR-10
   8.5.1 CIFAR-10の特徴
   8.5.2 サンプルコード
  8.6 畳み込みニューラルネットワーク:CNN(Convolutional Neural Networks)
  8.7 再帰型ニューラルネットワーク:RNN(Recurrent Neural Networks)
  8.8 ディープ・ニューラルネットワーク:DNN(Deep Neural Networks)