深層学習 セミナー ディープラーニング 人工知能 機械学習 AI

講師

慶応義塾大学 　理工学部情報工学科　教授　萩原　将文　先生

講師紹介

■ご略歴：
1982年慶應義塾大学工学部電気工学科卒業。
1987年慶應義塾大学大学院博士課程修了、工学博士。同年同大助手。
1991年度〜1992年度スタンフォード大学訪問研究員。
　慶應義塾大学専任講師、助教授を経て、
2002年より慶應義塾大学理工学部教授。
IEEE（米国電気電子学会）論文賞、日本感性工学会論文賞・技術賞、日本神経回路学会最優秀研究賞、日本知能情報ファジィ学会論文賞などを受賞。

■専門および得意な分野・研究：
　視覚情報処理、言語情報処理、感性情報処理とこれらを融合する新しい人工知能・ニューラルネットワークをめざした研究を行っています。

■本テーマ関連学協会での活動：
日本神経回路学会理事、日本デザイン学会理事、人工知能学会理事、日本知能情報ファジィ学会理事・副会長・会長を歴任。

日時・会場・受講料

●日時　2021年2月3日（水）　10:30-16:30
●本講座は機械学習継続セミナー（全３回／オンライン）の第１回として開催いたします。
　＜　全３回のラインナップ　＞
　・第１回：2/3 　『深層学習（ディープラーニング）の基本的な原理を理解しよう』
　・第２回：2/25　『【PC実習付き】PythonとScikit-learnで学ぶ機械学習の基礎（定員２０名）』
　・第３回：2/26　『【PC実習付き】TensorFlowで学ぶディープラーニングと応用（定員２０名）』

■受講料(税込(消費税10%)、資料付)

参加形態	区分	価格(税込)	1社2名以上同時申込
1講座のみの参加	1回のみ、2回のみ、3回のみ	47,300	36,300
2講座の参加	1･2回、1･3回、2･3回	72,600	61,600
全講座（3講座）の参加	1･2･3回	92,400	81,400
※PC貸出希望		7,700/回

※申込時に参加形態(第○・○回参加)を備考覧に記載下さい。
※実習講座で弊社PCの使用を希望される際にも、備考覧に記載をお願い致します。
※各回、別の方が受講いただくことも可能です。
※1社2名以上同時申込は、同時申込、同形態(講座数、参加日)でのお申込にのみ有効です

＊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。
（PC貸出料は50％割引対象外となります）

＊全3回申込の方へ
・不測の事態により、全回開催出来ない場合、以下規定に基づき、返金致します。
　　全3回中、1回実施の場合： 70％返金
　　全3回中、2回実施の場合： 40％返金

　●録音・撮影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

セミナーポイント

■はじめに：
　深層学習を実際に使ってみたご経験のある方は増えていると思います。プログラムは指示通りに動いてくれますが、一方で何かが不足していると感じませんか？それは、根本的な原理の理解です。深層学習の基本原理が理解できると、以下のように、一段高い場所から深層学習が見えてくるようになります。
1)　現在の深層学習の全体像を把握できる。
2)　次々に発表される先端研究のおおまかな把握が楽になる。
3)　効果的でユニークなアプリケーション開発が可能となる。
　本講座では、深層学習で広く用いられている代表的な学習アルゴリズムについてわかりやすく解説します。

■ご講演中のキーワード：
　誤差逆伝播法、確率的勾配降下法、最急降下法、深層自己符号化器、畳込みニューラルネットワーク、再帰ニューラルネットワーク

■受講対象者：
　・ディープラーニングを使ってみたけれど、その根本的な原理を理解したい方。
　・ディープラーニングの本質の理解により、新たなビジネスを展開したい方。

■必要な予備知識：
　・高校2年生レベルの微分の知識（セミナー中に簡単な復習を行います）。

■本セミナーで習得できること：
　・深層学習の基本的な原理の理解
　・深層学習での代表的な学習アルゴリズムの理解
　・先端的研究の概要の理解への橋渡し

★過去、本セミナーを受講された方の声（一例）：
　・丁寧に解説いただき、文系出身者でもわかりやすかったです。
　・ざっくり動かすセミナーと合わせると理論がよくわかった。
　・ディープラーニングを簡単に説明する講座は多いが、イマイチ理論的にスッキリしなかった。でもこの講座は後半になると駆け足になったりもせず、わかりやすくてよかった。偏微分のところの意味がよくわかった。
　・ただ黙々と話す感じではなく、楽しく受講できた。
　・難しい数式をわかりやすくご説明いただきました。より深い理解のためのよい勉強となりました。
　・全体的にわかりやすかったです。自身の数学スキルが足らず、数式は難しかったですが、今後教えていただいたことを復習していきます。
　・基本的な考え方、理論への理解が非常に進められて大変有益でした
　・導入としてLMSの説明は良いと思う。 本格的に学習する前の足掛かりとして役立ちました。とてもわかりやすかったです
　・本を自習していて自力では躓いていたところを丁寧に解説して頂きました。ありがとうございました。

セミナー内容

１．深層学習のいろいろ
　1）深層学習の３つの流れ
　2）代表的な深層学習
　　　a)　階層型ニューラルネットワーク
　　　b)　リカレントニューラルネットワーク
　　　c)　畳み込みニューラルネットワーク
　　　d)　深層ボルツマンマシン

２．最急降下法　〜ニューラルネットワークの基本原理〜　を理解しよう
　1）ニューラルネットワークを最も単純化しよう
　　　〜簡単なディジタルフィルタとして〜
　2）誤差を小さくするためには
　3）微分の復習
　4）学習アルゴリズムの導出

３．ニューラルネットワークに適用しよう
　　〜誤差逆伝播法（バックプロパゲーション）〜
　1）出力層に近い層は簡単
　2）1層奥に入るにはアイデアが必要だった
　　　〜誤差を逆に伝搬させる〜
　3）非線形性が効果的である理由を理解しよう
　4) 実際の応用例

４．畳み込みニューラルネットワーク
　1）単純型細胞と複雑型細胞
　2）畳み込み
　3）プーリング
　4) 実際の応用例

５．敵対的生成ネットワーク(GAN)
　1）簡単な動作原理
　2）実際の応用例

６．深層学習の課題と今後の発展
　1）現在の深層学習の課題
　2）今後の発展の方向性

７．まとめ


＜質疑応答・個別質問＞