機械学習 セミナー ディープラーニング XAI GAN 説明できるAI LSTM

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
ライブ配信
1月
2月
3月
2021年4月〜

化学・電気系 その他各分野
ライブ配信
1月
2月
3月
2021年4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
  ↑2021/1/13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  



Zoom

★重要な技術である「機械学習(ディープラーニング)」を、基礎から解説し、どうやって実務に取り入れていくのをわかりやすくお伝えします。
★機械学習やディープラーニングの基礎を学びたい方、精度を高めるテクニックを知りたい方、手法やフレームワークの種類など、機械学習の入り口としてもお勧めのセミナーです!
★説明できるAI(XAI)とは?最近話題の「GAN」や「LSTM」はどのように使えるのか?最新情報も解説。

実務に使うための機械学習・ディープラーニング

<Zoomによるオンラインセミナー>

講師

横浜国立大学 大学院環境情報研究院 講師 白川真一 先生

講師紹介

■ご略歴:
 2009年3月、横浜国立大学大学院環境情報学府修了、博士(工学)
 2009年4月〜2010年3月、日本学術振興会特別研究員(PD)
 2010年4月〜2012年3月、株式会社富士通研究所 研究員
 2012年4月〜2013年3月、青山学院大学理工学部情報テクノロジー学科 助手
 2013年4月〜2015年3月、青山学院大学理工学部情報テクノロジー学科 助教
 2015年4月〜2016年4月、筑波大学システム情報系 助教
 2016年4月〜現在、横浜国立大学大学院環境情報研究院 講師

■専門および得意な分野・研究:
 人工知能、知能情報処理、進化計算、機械学習、画像処理・認識

■本テーマ関連学協会での活動:
 電気学会 実社会システムの高度なAI化を目指した機械学習技術応用協同研究委員会 幹事(2017年4月〜現在)
 計測自動制御学会 システム工学部会 幹事(2016年1月〜2017年12月)
 電気学会 大規模・複雑システムのモデリング・シミュレーション・最適化技術協同研究委員会 幹事(2014年10月〜2016年9月)

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2021年3月23日(火) 10:30-16:30
●受講料 1名47,300円(税込(消費税10%)、資料付)
 *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・録画行為は固くお断り致します。


■ セミナーお申込手順からセミナー当日の主な流れ →

配布資料・講師への質問等について

●配布資料は、印刷物を郵送で送付致します。
 お申込の際はお受け取り可能な住所をご記入ください。
 お申込みは4営業日前までを推奨します。
 それ以降でもお申込みはお受けしておりますが(開催1営業日前の12:00まで)、
 テキスト到着がセミナー後になる可能性がございます。


●当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
●本講座で使用する資料や配信動画は著作物であり
 無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
●受講に際しご質問・要望などございましたら、下記メールにてお問い合わせ下さい。 req@johokiko.co.jp


※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい(クリックして展開「▼」:一部のブラウザーでは展開されて表示されます)
・PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
・ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
 各ご利用ツール別の、動作確認の上お申し込み下さい。
・開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。開催前日(営業日)の12:00までにメールが届かない場合は必ず弊社までご一報下さい。
・その他、受講に際してのご質問・要望などございましたら、下記メールにてお問い合わせ下さい。
 <req@johokiko.co.jp>

Zoom
Zoomを使用したオンラインセミナーとなります(クリックして展開「▼」)
・ご受講にあたり、環境の確認をお願いしております。
 お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
 → 確認はこちら
 *Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
 →音声が聞こえない場合の対処例

・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
 →参加方法はこちら
 →※一部のブラウザーは音声(音声参加ができない)が聞こえない場合があります、
   必ずテストサイトからチェック下さい。
   対応ブラウザーについて(公式);コンピューターのオーディオに参加に対応してないものは音声が聞こえません

セミナーポイント

■はじめに:
 知的な処理をコンピュータやロボットで実現しようとする「人工知能」は,様々な分野で大きな注目を集めています.それに伴って,現代の人工知能を支える「機械学習」や「ディープラーニング」といった技術の重要性はますます高まっています.特に,ディープラーニングの登場により画像認識の精度は飛躍的に向上しました.
 本セミナーでは「機械学習」の考え方やアルゴリズムを基礎からじっくり解説します.セミナー後半では,画像認識への応用を中心に「ディープラーニング」について説明します.
 本セミナーを通して,機械学習・ディープラーニングの考え方,どのような問題に適用できるのか,実際の問題に応用するためには何が必要なのか,などについて知識を身につけていただくことがねらいです.

■ご講演中のキーワード:
 人工知能、機械学習、ディープラーニング、最適化、画像認識

■受講対象者:
 ・機械学習やディープラーニングの基礎知識を習得したい方
 ・業務に機械学習が使えないか検討中の方
 ・ディープラーニングによる画像認識の導入を検討している方

■必要な予備知識:
 ・高校卒業レベルの数学の知識

■本セミナーで習得できること:
 ・機械学習の考え方、基礎知識
 ・機械学習の典型的な手法とそれらの使い分け
 ・機械学習、ディープラーニングの画像認識への応用方法

★過去、本セミナーを受講された方の声(一例):
 ・白川先生の講義は非常にわかりやすく、且つ、レベルが高いところも触れてくださいました。
  資料もたくさんあって参考になり、いいと思います。
 ・実際に使うときの注意点があって参考になる。テキストのボリュームがあってよかった。
 ・概要を知ることができました。大変勉強となりました。
 ・SVMやK近傍法など今までよくわからなかったことが理解できるようになった。
 ・わかりやすい説明で初学者には理解しやすい内容だった。とても勉強になりました。
 ・広範囲にわたり、まとまりの良い講義でした。

セミナー内容

1. 機械学習入門
  1)機械学習と人工知能の関係
  2)機械学習のこころ(基本的な考え方)
  3)機械学習で実現できること
  4)機械学習の構成要素:モデル,損失関数,最適化

2. 機械学習の基礎
  1)機械学習手法の分類(教師あり学習 / 教師なし学習 / 強化学習)
  2) 機械学習の手順と評価方法
  3) 機械学習手法の例
    @線形回帰
    Aロジスティック回帰
    Bニューラルネットワークとディープラーニング
    C決定木とランダムフォレスト
    D最近傍法
    Ek-meansクラスタリング
    F主成分分析
  4)Pythonの機械学習ライブラリscikit-learn

3. ディープラーニングの画像認識への応用
  1)画像認識の基礎
    @画像データについて
    A画像認識の難しさ
    B前処理・特徴抽出
    C機械学習による画像認識
  2) 畳み込みニューラルネットワーク(Convolutional Neural Network; CNN)
    @CNNによる画像分類
    ACNNによる物体検出
  3) AutoencoderとGenerative Adversarial Network (GAN)
    @画像生成・画像修復への応用
    A異常検知への応用
4) ディープラーニングによる時系列データ処理
    @リカレントニューラルネットワーク
    ALong Short-Term Memory (LSTM)
  5) ディープラーニングの性能を向上させるいくつかのテクニック
    @過学習を起こさないためには?
    A学習をうまく進めるには?
    B事前に決定するパラメータやネットワーク構造を決めるには?
  6) ディープラーニングモデルの解釈性と説明できるAI
  7) ディープラーニングのフレームワーク
   (Pytorch / TensorFlow / Keras / Neural Network Console)

4. 機械学習を上手く応用するために
  1)対象問題の整理と定式化
  2)データの取得 / 前処理 / 特徴抽出
  3)アルゴリズムの選択
  4)ハイパーパラメータの調整

セミナー番号:AG210398

top

注目の新刊

雑誌 月刊化学物質管理

プライバシー・マネジメント

国内外食品衛生法規

タッチレス化/非接触化

マテリアルズ
・インフォマティクス


ドローン

寺子屋統計教室

Spice回路シミュレータ

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.