セミナー 機械学習 python パターン認識 ディープラーニング 人工知能 ニューラルネットワーク

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
2月
3月
4月
5月〜

化学・電気系 その他各分野
2月
3月
4月
5月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/2/6更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


セミナー 機械学習 python パターン認識 ディープラーニング 人工知能 ニューラルネットワーク

*その他 機械学習・ディープラーニング・人工知能: 関連セミナー、書籍はこちら:

★Pythonで機械学習・パターン認識を実装するための「はじめの一歩」に最適!
★機械学習・Pythonの基礎から、モジュール・パッケージの解説や使いこなすためのポイント、Pythonを用いた機械学習・ディープラーニング実装の流れ、最先端の手法などをわかりやすく詳解!

人工知能を支えるパターン認識・機械学習

Pythonによる実装入門

〜基礎からディープラーニングの利用まで〜

講師

名古屋大学 情報学研究科 助教 川西 康友 先生

* 希望者は講師との名刺交換が可能です

講師紹介

■ご略歴:
 2012年 京都大学大学院 情報学研究科 博士後期課程修了.
 2012年 京都大学 学術情報メディアセンター 特定研究員.
 2014年 名古屋大学 未来社会創造機構 特任助教.
 2015年 名古屋大学 情報科学研究科 助教.
 2017年 名古屋大学 情報学研究科 助教.
現在に至る.

■ご専門および得意な分野・研究:
 防犯カメラ・車載カメラ映像を対象とした,人物検出・追跡・検索を含む人物画像処理に関する研究に従事.

■本テーマ関連学協会でのご活動:
 2011年 パターン認識・メディア理解(PRMU)研究会 研究奨励賞受賞.

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2019年4月19日(金) 10:30-16:30
●会場  [東京・東新宿]新宿文化センター4階 第2会議室 →「セミナー会場へのアクセス」
●受講料 1名46,440円(税込(消費税8%)、資料・昼食付)
 *1社2名以上同時申込の場合、1名につき35,640円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナー開催にあたって

■はじめに:
 本セミナーでは、近年注目されている人工知能の基礎技術である、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,そのために必要なPythonの基礎やモジュール・パッケージについても解説します。最後には、近年注目集めるDeep Learningの実装方法についても解説します。

■受講対象者:
・人工知能・機械学習を業務で利用しようとしている方
・Pythonを学んでみたい方
・Deep Learningの利用を考えている方
・本テーマに興味のある方なら,どなたでも受講可能です.

■必要な予備知識:
・何語でも良いが少しでもプログラミングに関する経験
・人工知能や機械学習という言葉を聞いたことがある程度の知識

■本セミナーで習得できること(一例):
・パターン認識・機械学習とは何かについての知識
・Pythonプログラミングの基礎知識
・Pythonでのパターン認識・機械学習の方法
・Deep Learningの実装方法に関する知識

セミナー内容

1.はじめに
 1.1 AIとパターン認識
 1.2 パターン認識と機械学習

2.機械学習のしくみとパターン認識での利用
 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
 2.2 パターン認識の最先端手法と応用例

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 Pythonの利用環境(Windows/Mac/Linuxそれぞれ解説)
    ―anacondaのセットアップと利用方法
 3.4 Pythonの文法
 3.5 数値計算ライブラリ numpyの詳細

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
 4.4 Pythonでの機械学習の実際の流れ
  1)特徴量の読み込み
  2)識別器の準備
  3)識別器の学習
  4)テストデータの評価
  5)結果の出力
  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
   ―様々な識別器での結果、パラメータチューニング、クロスバリデーション
 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
    ―caffe、Chainer、TensorFlow、Kerasなど
 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
     ―畳み込みニューラルネットワーク
 5.4 学習済みモデルの読み込みと利用

6.開発の参考となるオススメ文献・サイト

7.まとめ・質疑応答


■ご講演中のキーワード:

 Python、パターン認識、機械学習、SVM、Deep Learning、CNN

セミナー番号:AC190421

top

注目の新刊

雑誌 月刊化学物質管理

  雑誌発・各社の事例セミナー3/19

ピッカリング・エマルション

再生医療・細胞治療

量子コンピュータ

これから化学物質管理

外観検査

生物学的同等性試験

最新の医療機器薬事入門

積層セラミックコンデンサ

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.