PyTorch ディープラーニング 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
10月
11月
12月
2020年1月〜

化学・電気系 その他各分野
10月
11月
12月
2020年1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
  ↑2019/10/7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  


PyTorch ディープラーニング 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:

ディープラーニングのプログラムとは結局、何をやっているのか?その枠組みを理解するのに最適! 自分でイチからプログラムを構築するための第一歩に!

PyTorchによる

ディープラーニングプログラムの作成法

講師

茨城大学 工学部 情報工学科 教授 新納 浩幸 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】
 1985年 東京工業大学理学部情報科学科卒業。
 1987年 同大学大学院理工学研究科情報科学専攻修士課程修了。
   同年 富士ゼロックス、翌年松下電器を経て、1993年茨城大学工学部助手。
 2015年 同学部教授。現在に至る。
【ご専門】
 自然言語処理、機械学習、統計学
【主な著書】
 『 Chainer v2 による実践深層学習 』 オーム社
 『 ニューラルネットワーク自作入門 (翻訳)』 マイナビ出版
 『 Rで学ぶクラスタ解析 』 オーム社
 『 数理統計学の基礎 』 森北出版

→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12月5日(木) 10:30-16:30
●会場 [東京・大井町]きゅりあん4階第1特別講習室 →「セミナー会場へのアクセス」
●受講料 1名47,300円(税込(消費税10%)、資料・昼食付)
 *1社2名以上同時申込の場合、1名につき36,300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 →

セミナーポイント

本講座では PyTorch を利用してディープラーニングのプログラム作成方法を学びます。ディープラーニングのプログラムを作る場合、サンプルプログラムを基にして、それを自分用に修正するのが手っ取り早い方法です。ただそれでは修正部分が大きくなったり、かなり違ったネットワーク構造になる場合には、その方法では無理です。本講座ではディープラーニングのプログラムとは結局何をやっているのかとそのプログラムの大枠を示します。本講座の目標はこの枠組みを理解することです。この枠組みを理解して、PyTorch を利用すれば、サンプルプログラムを改良するにしても、自分で一からプログラムを構築するにしても、プログラムを構築することができると思います。

■受講対象:
ディープラーニングの枠組みを理解したい人やディープラーニングのプログラム作成方法を学びたい方が対象です。ディープラーニングの枠組みがパラメトリックモデルに基づく関数推定の問題であることを理解している人にとっては当たり前のことしか話がないと思いますので、その点を認識できていないいわゆるディープラーニングの初心者が対象になります。PyTorch を使ってみたいという人も参考にはなると思います。Python は少しは扱える必要がありますが、エキスパートである必要はありません。

■この講座を受講して得られる情報・知見:
・ディープラーニングの枠組みを理解できます。
・ディープラーニングのプログラム作成方法が理解できます。
・PyTorch の使い方が理解できます。
・物体認識と物体検出の標準手法が理解できます。
・転移学習のやり方が学べます。

セミナー内容

1. ニューラルネット
 まず人工知能の問題をニューラルネットを使って解く枠組みを説明します。人工知能の多くの問題は関数推定の問題と見なせます。関数推定では推定すべき関数をいくつかのパラメータを持った関数として表現し、入出力データからパラメータを推定することで行います。そしてニューラルネットもいくつかのパラメータを持った関数と見なせることを説明します。

 1.1 人工知能と関数推定
 1.2 パラメトリックモデル
 1.3 ニューラルネットは関数
 1.4 ニューラルネットのパラメータ

2. 最急降下法と誤差逆伝播法
 ニューラルネットは訓練データから関数を推定する回帰のモデルです。その推定方法が最急降下法になります。ニューラルネットの関数のモデルはネットワークなので、この最急降下法がいわゆる誤差逆伝播法と呼ばれるものであることを示します。

 2.1 ニューラルネットにおける学習
 2.2 目的関数
 2.3 最急降下法

3. Define-by-run と自動微分
 Deep Learning の学習も関数を推定する回帰の問題であり、最急降下法が使われます。最急降下法では勾配を求める部分がポイントです。勾配を求めるために計算グラフが利用されます。この計算グラフを動的に構築する仕組みが Define-by-run です。PyTorch は Define-by-run を採用しているために、学習モデルを構築するのが容易になっています。PyTorch の自動微分を使って、この点を確認してみます。

 3.1 合成関数と計算グラフ
 3.2 計算グラフを利用した勾配計算
 3.3 自動微分

4. numpy と tensor
ディープラーニングで扱うデータは配列です。Python では配列の演算に numpy を利用しますが、PyTorch では tensor を利用します。ここでは tensor データの作り方や、tensor に関する演算や関数を示します。また numpy との相互の変換が重要です。

 4.1 tensor と numpy
 4.2 tensor の作成
 4.3 tensor どうしの演算
 4.4 tensor を扱う関数
 4.5 tensor と自動微分

5. PyTorch の学習プログラムの基本手順
PyTorch における学習プログラムの基本構成要素は、モデルの設定、最適化関数の設定、誤差の算出、勾配の算出、パラメータの更新からなります。最後の3つを繰り返すことでパラメータが推定され、モデルが完成します。ここでは最初にプログラム全体のひな形を示し、簡単な問題を通して、各手順を解説します。

 5.1 プログラム全体のひな形
 5.2 モデルの設定
 5.3 最適化関数の設定
 5.4 誤差の算出
5.5 勾配の算出
5.6 パラメータの更新

6. 多層 NN による分類
NN を多層にするテクニックの一つに dropout があります。ここでは dropout を解説し、それを利用して画像認識のための NN を構築してみます。データとして PyTorch 用に準備されているデータセットの使い方も説明します。

 6.1 データセットの利用
 6.2 3層の NN
 6.3 dropout
 6.4 4層の NN

7. 物体認識(CNN)
物体認識の精度を飛躍的に向上させた畳み込みニューラルネットワーク(CNN)の仕組みを解説し、PyTorch による実装例を示します。

 7.1 フィルター
 7.2 Padding
 7.3 CNN

8. 物体検出(SDD)
物体検出は画像の中から物体の写っている部分とその物体のカテゴリを求めるタスクです。画像処理の応用の1つです。ここでは比較的優秀な手法として知られる SDD について説明し、PyTorch によるその実装例を示します。

 8.1 物体検出とは
 8.2 各種手法の概説
 8.3 SDD

9. 既存モデルの利用
様々なタスクに対して PyTorch で学習済みの様々なモデルがあります。ここではそれらモデルを利用する例を示します。

 9.1 物体認識の既存のモデル
 9.2 物体検出の既存のモデル

10. 転移学習
転移学習とはあるタスクに対して学習できたモデルを別種のタスクに転用する学習手法です。転移学習の標準手法として fine-tuning があります。PyTorch は fine-tuning が容易という特徴があります。ここでは画像認識の既存モデルを、別種の画像を認識するためのモデルに修正する転移学習を fine-tuning によって行ってみます。

<質疑応答>

セミナー番号:AC191277

top

注目の新刊

雑誌 月刊化学物質管理

各社の化学物質管理

分散技術

中分子医薬品

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

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.