画像認識に取り組む
Kerasで学ぶディープラーニング
実践研修

研修概要

本研修はディープラーニングのライブラリであるKerasを利用して、画像認識プログラムの開発に取り組みます。Kerasライブラリは適度に抽象化されており、プログラミング知識のあるITエンジニアにとって直感的で理解しやすいものになっています。Kerasを利用してニューラルネットワーク上のコンポーネントを適切に設定していくことでスムーズにディープラーニングを始めることができます。

本研修では畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)について詳細に取り上げます。CNNは画像認識の領域で多く用いられるディープラーニングの手法です。CNNでは画像データのような空間情報を表現した特徴ベクトルについて、周辺の特徴量を合わせて学習を進めていきます。本研修ではCNNの実装を進めながら、データ拡張や転移学習といった実践的な実装方法を習得していきます。CNNで構築したプログラムは計算量が多くなるため、相応のマシンスペックが必要になります。本セミナーではクラウドサーバ上にGPUを搭載した開発マシンを準備し、ブラウザを通じてプログラミングを進めていきます。

本コースの位置づけ

ITエンジニアコース Pythonで学ぶ
AI開発入門研修
  Pythonで学ぶニューラル
ネットワーク基礎研修
  Kerasで学ぶ
ディープラーニング
実践研修
 

初級

上級

到達目標

  • 畳み込みニューラルネットワーク(CNN)の特徴について理解する
  • 画像のデータ拡張(Data Augmentation)について理解する
  • 転移学習の仕組みについて理解する
  • Kerasを活用して画像認識プログラミングに取り組むことができる
  • Kerasの学習済みモデルを再利用できる

対象者

対象:ITエンジニア

  • 画像認識プログラミング(CNN)に
    関心のある方
  • 転移学習、ファインチューニングに
    関心のある方
  • 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
  • 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
  • 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 全結合型ニューラルネットワーク
  • 全結合型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構成
  • 学習の進め方
  • Weight Decay、Dropout、Batch Normalization
2 畳み込みニューラルネットワーク
  • 畳み込みニューラルネットワークの実装
  • 畳み込みレイヤー
  • プーリングレイヤー
  • 平滑化レイヤー
3 データ拡張
  • 画像データの生成
  • 機械学習への適用
  • Kerasによるデータ拡張
4 学習済みモデルの再利用
  • 画像認識モデルの発展
  • 学習済みモデルの再利用
  • Keras Functional APIによる実装
  • 転移学習 - 特徴抽出器
  • 転移学習 - ファインチューニング
 <Appendix:Keras実践マニュアル>
  • 学習済みモデルの保存と再利用
  • モデルの保存
  • モデルの読み込み
  • モデルアーキテクチャの保存
  • モデルの重みの保存
  • モデルの可視化
  • 効率の良い学習の進め方
  • 学習状況の出力(CSVLogger)
  • 定期的なモデルの保存(ModelCheckpoint)
  • 不要な学習の停止(EarlyStopping)
  • その他のコールバック
  • アプリケーションへの組み込み
  • コンソールアプリケーションへの組み込み
  • Webアプリケーションへの組み込み

※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。

コース:Kerasで学ぶディープラーニング実践研修


本研修を何で知りましたか
Web検索   Facebook   上司/同僚からの紹介  
その他

この先継続することでプライバシーポリシーに同意したとします。


TOP