研修概要
現在AIが注目される背景にはディープラーニングの存在があります。本研修はディープラーニングの基盤となる機械学習アルゴリズム、ニューラルネットワークについての詳細を学びます。プログラミング言語Pythonを用いて、ニューラルネットワークの主要な構成要素である活性化関数、損失関数、最適化処理について、実際にプログラムを開発しながら理解を深めていきます。研修の後半ではディープラーニング用のライブラリであるKerasを活用して実践的な機械学習に取り組みます。ニューラルネットワークの基礎知識を学んだ後に、Kerasのような抽象度の高いライブラリを取り扱うことで、スムーズにディープラーニングの実装に取り組むことができるでしょう。
ニューラルネットワークやディープラーニングを学ぶ上では線形代数や微分といった数学的な知識が必要となりますが、これらは多くの機械学習初学者にとって理解の難しいものです。本研修では複雑な数式に捉われないように、実際に動作するプログラムを優先して開発することでニューラルネットワークの仕組みを学んでいきます。
本コースの位置づけ
到達目標
- ニューラルネットワークの特徴について理解する
- 活性化関数、損失関数、最適化処理について理解する
- エポックやバッチサイズといった学習時のパラメータについて理解する
- Kerasを活用してディープラーニングに取り組むことができる
- 共有データセットを活用して機械学習に取り組むことができる
対象者
対象：ITエンジニア
- 書籍など独学でのディープラーニングの
学習に苦労している方 - 開発現場でディープラーニングの導入を
調査・検討されている方 - 今後、ディープラーニングを活用する
システムの開発に携わる予定の方 - 自社データの有効活用について
検討されている方 - 機械学習プログラミングを
効率よく学びたい方
※本研修ではブラウザ上でPythonプログラムを作成しながら演習を進めていきます。
Pythonプログラミングの基礎知識（変数や配列、関数、オブジェクト指向プログラミング）を習得している方を対象としています。
カリキュラム
- 1 機械学習
- 機械学習アルゴリズム
- 教師あり学習と教師なし学習
- 訓練データとテストデータ
- 2 ニューラルネットワーク
- ニューラルネットワークとは
- ニューラルネットワークの構成要素
- 活性化関数（sigmoid関数、softmax関数、ReLU関数、恒等関数）
- 損失関数（最小二乗法、クロスエントロピー誤差）
- 最適化処理（勾配降下法、SGD）
- 3 ニューラルネットワークの実装
- ニューラルネットワークの実装1 - 活性化関数
- ニューラルネットワークの実装2 - 損失関数
- ニューラルネットワークの実装3 - 最適化処理
- 4 ディープラーニング
- ディープラーニングとは
- ディープラーニングの分類
- 開発言語とライブラリ（TensorFlow、Theano、Keras）
- 5 Kerasによるディープラーニングの実践
- ディープラーニングの実践1 - Keras入門
- ディープラーニングの実践2 - 分類問題
- ディープラーニングの実践3 - 回帰予測
- ディープラーニングの実践4 - 画像認識
- ディープラーニングの実践5 - Keras TIPS
※本研修は6H程度を想定しています。
お問合せ
本講座は個社研修での実施とさせて頂いております。
研修実施に関するお問い合わせにつきましては、こちらからご連絡下さい。弊社担当から折り返しご案内させていただきます。