機械学習・ディープラーニングの概観，画像・言語等の対象物を数値情報への変換，
課題の整理手法～AIで解決できる課題，できない課題，運用で留意すべき点～
データ前処理～前処理の有無・データの違いによる結果に対しての差異～についてＰＣ演習を交えて解説する特別セミナー！！
- 講師
-
応用技術株式会社 ソリューション本部 事業推進部 AIアナリスト 太田 桂吾 先生
- 日時
- 会場
-
- 受講料
-
（消費税等込み）1名：48,600円 同一セミナー同一企業同時複数人数申込みの場合 1名：43,200円
- テキスト
受講概要
受講対象
実際にデータを取扱う方，企業内でＡＩでの課題解決を行う方
予備知識
不要 ただし、プログラムを自身で実行する場合には、基本的なプログラムに関する知識は必要 （基本的なプログラムの知識：Excel VBAを動作させることが可能）
習得知識
AI、機械学習を使用した業務改善の提案が可能となります。 1)機械学習・ディープラーニングの数理・確率論 2)課題の整理手法～AIで解決できる課題，できない課題，運用で留意すべき点～ 3)データの前処理の基本～前処理の有無・違いによる結果に対しての差異～
持参品
ノートパソコン ※演習で使用するデータは事前送付
講師の言葉
前半で、機械学習・ディープラーニングを概観・整理します。 データ分析の未経験者でもわかるように可能な限り数式を排して説明します。 後半は、業務課題を解決するために、「課題の整理手法」と「データ前処理」を説明します。 課題の整理手法は、 AIで解決できる課題、できない課題、運用で留意すべき点を説明します。 データ前処理に関しては、前処理の有無・違いにより、結果に対してどの程度の差異が生まれるかを実験、説明します。 また数値・画像・音・言語の各データの違いによる、処理を概観します。 実際にデータを取り扱われる方、企業内でAIでの課題解決を行う方に必須の内容となっております。
プログラム
1. 機械学習／ディープラーニングの数理・確率論 ～対象物を数値情報へ変換する～ 1）次元とベクトル 2）画像を数値情報へ変換する 3）言語を数値情報へ変換する 4）音を数値情報へ変換する 5）状態を数値情報へ変換する 2.機械学習の基礎と実践 1）機械学習の基本 a) データがモデルをつくる 2）学習の種類 a) 教師あり学習の基本 b) 教師なし学習の基本 c) 強化学習の基本 3）結果の分類 a) 回帰 b) クラス分類 3.ディープラーニングの基礎と実践 1）機械学習とディープラーニングの違いは？ a) ディープニューラルネットワークとは b) 把握すべきディープニューラルネットワークの特性 2）ディープラーニングを分類し、その特徴を把握する a) 畳み込みニューラルネットワーク CNN（Convolutional Neural Network） b) 再帰型ニューラルネットワーク RNN (Recurrent Neural Network) c) 強化学習 (Deep Q-learning) 4.データ処理の基本 1）データの定義 2）扱うデータの特性を把握する a) 時間軸/場所の考慮 b) データを発生させるもの 3）データの前処理 a)回帰分析データに対する処理 回帰問題に対応するためのデータ処理 正規化 ワンホットベクトル b)画像データに対する処理 色情報の扱い データオーギュメンテーション 他 b)音データに対する処理 波形データと周波数特性 他 c)言語データに対する処理 辞書を用意する 他 5.業務課題を機械学習・ディープラーニングで解決するためには 1)何が課題になっているのか 2)データは足りているか 3)運用は廻るか
講師紹介
1990年 3月 岡山大学 文学部卒業
同年 4月 応用技術株式会社 入社
多くのWEBシステム構築に携わる
近年はデータマイニング技術の応用に携わる
一般企業向けの機械学習・ディープラーニングセミナー開催 多数