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

☆ディープラーニングなどの機械学習を始めてみたい方必見! 実装方法を含め基礎から解説します!

R&D支援センターセミナーのご案内

       開催日時:2019年11月5日(火)10:00~16:00
       会  場:東桜会館 第2会議室  → 会場へのアクセス 
       参 加 費:55,000円(税込、昼食・資料付)
            お申し込み受付中

申込方法

 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。折り返し、聴講券、会場地図、請求書を送付いたします。

 FAX申込用紙PDF 

講 師

 名古屋大学 情報学研究科 助教 博士(情報学)  川西 康友 氏 

定 員

 30名

受講対象・レベル

 ・ディープラーニングなどの機械学習を始めてみたい方

必要な予備知識

 ・特に予備知識は必要ありません。基礎から解説いたします

習得できる知識

 ・機械学習を正しく利用できるようになる

趣 旨

 本セミナーでは、近年AIの基礎技術として注目されているパターン認識・機械学習について解説し、Pythonを用いた実装の流れとポイントを解説します。また、近年注目を集めているディープラーニングについても、実装方法を含め基礎から解説します。

プログラム

1.はじめに
 1.1 AIとパターン認識・機械学習
 1.2 最先端手法と応用例

2.機械学習のしくみ
 2.1 機械学習の枠組み
 2.2 機械学習に基づくパターン認識手法(ポイントをかいつまんで紹介)
  1)k近傍法
  2)線形識別関数
    ―単純パーセプトロン、サポートベクトルマシン
  3)アンサンブル学習
    ―ランダムフォレスト
  4)ニューラルネットワーク
    ―多層パーセプロトン、深層学習

3.Pythonの概要
 3.1 Pythonとは
 3.2 Pythonを使いこなすためのモジュール
    ―numpy、scipy、scikit-learnほか
 3.3 数値計算ライブラリ numpy

4.Pythonでの機械学習
 4.1 scikit-learnの紹介
 4.2 scikit-learnを用いた機械学習の枠組み
 4.3 使用するクラス分類器
 4.4 Pythonでの機械学習の実際の流れ
  1)必要なモジュールの読み込み
  2)特徴量の読み込み
  3)識別器の初期化・学習
  4)評価
  5)結果の集計・出力
  6)学習した識別器の保存、読み込み
 4.5 各種クラス分類手法の切り替え
 4.6 各種クラス分類手法の比較
 4.7 パラメータの自動調整法

5.Deep Learningの利用
 5.1 Deep Learningの代表的なパッケージ
 5.2 Kerasを用いたクラス分類器としてのDeep Learning
 5.3 Kerasを用いた特徴抽出を含めたDeep Learning
 5.4 学習済みモデルの読み込みと利用

6.まとめ

【質疑応答・名刺交換】