Python 数学 セミナー

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
9月
10月
11月
12月〜

化学・電気系 その他各分野
9月
10月
11月
12月〜

  ・10月名古屋開催セミナー
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
  ↑2019/9/11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  


Python 数学 セミナー

*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:

本セミナーでは、ディープラーニングの実装に求められる範囲の数学に絞って、Pythonでの実装と合わせてわかりやすく解説します。

Pythonで学ぶ!

ディープラーニングのしくみを理解するための

数学入門

講師

増井技術士事務所 代表 増井 敏克 先生

* 希望者は講師との名刺交換が可能です

→このセミナーを知人に紹介する

<その他関連セミナー>

2019年11月22日 <機械学習の本質を理解するための>  「数学」の基本 学び直しセミナー 名古屋開催

日時・会場・受講料

●日時 2019年11月11日(月) 10:30-16:30
●会場 [東京・大井町]きゅりあん 5階第3講習室 →「セミナー会場へのアクセス」
●受講料 1名43,000円 + 税、(資料・昼食付)
 *1社2名以上同時申込の場合、1名につき33,000円 + 税
 ※消費税につきましては講習会開催日の税率にて課税致します。
      *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 →

セミナーポイント

■はじめに
人工知能やディープラーニングという言葉が頻繁に使われ、多くの人が試そうとしています。多くのライブラリやフレームワークも登場しており、試すだけならば難しくありません。すでに作られたライブラリを使う場合、たった数行のソースコードを書くだけで実現できます。ただ、このような方法で実装すると、処理の裏側がまったくわかりません。また、ディープラーニングや機械学習に関する専門書を読もうとすると、大量の数式が登場します。しかも、その内容は高校までの数学の範囲を超えており、文系で過ごしてきた人にはさっぱり理解できません。そこで、ディープラーニングの実装に求められる範囲の数学に絞って、Pythonでの実装と合わせて紹介します。

■想定される主な受講対象者
・プログラミングはできるが、文系出身で数学を苦手に感じている方
・ディープラーニングについて興味があるが、書籍を読もうとすると数学がわからず理解できないと感じている方

■必要な予備知識
プログラミング言語Pythonについての基礎知識
(条件分岐、ループなどを理解し、自分で簡単なプログラムを作れること)

■本セミナーに参加して修得できること
・ディープラーニングに必要な数学の範囲を知る
・数式をPythonのコードとして実装する
・必要に応じてPythonのライブラリを使用できる

★受講者特典
受講者には参考資料として、
講師著書『プログラマのための ディープラーニングのしくみがわかる数学入門』(ソシム)を進呈!

※10月31日(木)までにお申込み頂いた方には、事前に書籍をご郵送する予定です。
 それ以降にお申込み頂いた方は、当日会場にて書籍をお渡し致します。


セミナー内容

1.プログラマのための数学の学び方
  1)数学が求められる背景
  2)プログラマにとっての数学との付き合い方
  3)ディープラーニング以外への活用
  4)継続して学ぶしくみづくり
  5)学ぶ体制、開発環境の整備

2.ディープラーニングの概要
  1)人工知能と機械学習
  2)ニューラルネットワークとは
  3)誤差逆伝播の考え方

3.数列と統計、確率
  1)数列と漸化式
  2)数列の和(シグマ記号)
  3)平均、分散、標準偏差
  4)データの標準化
  5)データの分布
  6)確率と確率分布
  7)条件付き確率
  8)ベイズの定理
  9)標本と推定
  
4.ベクトルと行列
  1)ベクトル
  2)内積
  3)行列
  4)逆行列と連立方程式
  
5.関数と微分
  1)関数と最小値
  2)微分と偏微分
  3)勾配ベクトル
  4)回帰分析
  5)勾配降下法

6.ディープラーニングにおける学習
  1)損失関数とは
  2)モデルの評価(交差検証)
  3)過学習と未学習
  4)畳み込みニューラルネットワーク

7.データの用意
  1)必要なデータの形式と量
  2)組織でのデータの調達と準備
  3)よく使われるデータと特徴
  4)外部のデータの活用

講師紹介

【略歴】
学生の頃はファジィ理論や遺伝的アルゴリズムの研究に従事。
セキュリティ企業にて社内システムの開発に従事した後、独立。

【専門】ソフトウェア開発、情報セキュリティ、ビジネス数学

セミナー番号:AC191138

top

注目の新刊

雑誌 月刊化学物質管理

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

自動運転センシング

半導体製造プロセス

三次元培養

ピッカリング・エマルション

再生医療・細胞治療

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.