機械学習，ディープラーニングの概要，開発環境構築，ディープラーニングの環境作成方法，
データの前処理方法，実際のデータの扱い方について，画像分類・音による異常検知・
強化学習の基礎などのサンプルプログラムによるＰＣ演習を通じて，学習する特別セミナー！！
- 講師
-
応用技術（株） ソリューション本部 事業推進部 太田 桂吾 先生
- 日時
- 会場
-
- 受講料
-
1名：48,600円 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
予備知識
簡単なプログラムの知識 （DOSでコマンドが実行できる等）
習得知識
Pythonフレームワークを使用し、実際のデータを使用し、基本的なディープラーニングによる解析等が可能となります。
持参品
ノートパソコン 事前に各受講者にPython/フレームワーク環境の構築お願いできればと思います。 環境構築用のファイルを配布します。 実際のインストールは、講習の中で実施します。
講師の言葉
午前は、機械学習、ディープラーニングの概要を学習します。また、苦労する開発環境の構築に関しても 時間をとって説明します。 午後は、ディープラーニングの環境作成方法、データの前処理方法、Chainerを利用したサンプルプログラムを 動かしながら、実際のデータをどう扱うかを学習していきます。 サンプルは下記を用意します。 ・画像分類 ・音による異常検知（正常時の音からモデルを作成し、音の変化で異常発生を検知します） ・強化学習の基礎から簡単なサンプルまで演習できます。 特に強化学習の講義は、まだ数がすくないため貴重です。
プログラム
1.機械学習とディープラーニング 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）ディープラーニング a)概要 2.事象を数値へ変換する 1）画像を数値情報へ変換する 2）言語を数値情報へ変換する 3）音を数値情報へ変換する 4）状態を数値情報へ変換する 3.機械学習／ディープラーニングを行う際に必要なデータ処理の基本 1）データ前処理の方法 4.開発環境の作成 1)Windows7～10 (32bit環境) 2)Windows7～10(64bit環境) 5.ディープラーニングの基礎と実践 1）ディープラーニングの種類 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) 2）Windowsでディープラーニング環境をオープンソースのフレームワークにて構築 a) Chainer 3）画像分類 a) Chainerで動かし結果を得る 4）音による異常検知（AutoEncoder使用） a) Chainerでサンプルプログラムを動かします 5）強化学習 a) Chainerでサンプルプログラムを動かします 6) 過学習の判断 7) その他、実践にあたり注意すべきこと 6.このセミナーだけで終わらせないために 1）twitter/ブログを通じた情報の収集 2）より高速な環境を求める場合
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