• BPnet
  • ビジネス
  • IT
  • テクノロジー
  • 医療
  • 建設・不動産
  • TRENDY
  • WOMAN
  • ショッピング
  • 転職
  • ナショジオ
  • 日経電子版

HOMEセミナー/イベント/技術者塾 > Pythonで学ぶ機械学習と深層学習(ディープラーニング)の活用術【演習編】

  • 技術者塾
  • 保存

Pythonで学ぶ機械学習と深層学習(ディープラーニング)の活用術【演習編】

日程:2017年11月20日 会場:Learning Square新橋

主催:日経エレクトロニクス

満席となりましたので、お申し込み受付は終了しました

本講座は、具体的なデータとプログラムを使った演習を通じて機械学習と深層学習を学びます。言語としてPythonを用い、深層学習のフレームワークには、TensorFlowとkerasを使います。ソフトウエア開発の経験をお持ちではない、エンジニアの方々を想定しています。サンプルプログラムをそのまま実行するのでなく、さまざまな課題に取り組むことで、機械学習と深層学習をどのように活用するのかについて理解を深めていただきます。
※演習形式のため、定員は40名とさせていただきます。

必要な予備知識

  • 大学の初年次レベルの数学に関する知識
  • Pythonの経験がない方でも受講可能です

※Pythonの経験がない方の場合、本年3月17日および8月28日に開催した技術者塾「エンジニアのための統計的機械学習・深層学習の活用術」(講師:速水 悟 氏)を受講いただいていることを推奨いたします。

演習用パソコンについて

※会場備え付けのパソコンにて行います。演習に必要な環境設定は事前に主催者が行います。

注)当初、ノートパソコンをご持参いただくこととしておりましたが、事情により変更いたしました。すでに申込済の方には、ご連絡させていただきます。

受講効果

  • さまざまな演習課題に取り組むことで、機械学習と深層学習をどのように活用するのか、理解を深めることができます。
  • Pythonの経験がない方でも参加でき、深層学習のフレームワーク、TensorFlowとkerasを学べます。

講師紹介

速水 悟 氏 (はやみず さとる)

岐阜大学
工学部 電気電子・情報工学科 教授

w120-h137可変

1981年 東京大学大学院 工学系研究科 修士課程修了
同年 通商産業省工業技術院 電子技術総合研究所
(現 国立研究開発法人産業技術総合研究所)
1989年 カーネギーメロン大学 客員研究員
1994年 フランス国立科学研究院機械情報学研究所 客員研究員
2002年 岐阜大学 教授
2017年4月より、工学部 知能科学研究センター センター長

著書:『事例+演習で学ぶ機械学習 ビジネスを支えるデータ活用のしくみ』(森北出版、2016年4月)
共著:『確率と確率過程』(オーム社、2010年10月)ほか

概要

日時: 2017年11月20日(月)10:00~17:00(開場09:30予定)
会場: Learning Square新橋 5F(東京・新橋)
主催: 日経エレクトロニクス

受講料(税込み)

  • 一般価格:64,800円
  • 会員・読者価格:54,000円
■会員・読者価格
「会員・読者価格」は、日経テクノロジーオンライン有料会員(年払いのみ)、または、日経エレクトロニクス、日経ものづくり、日経Automotive定期購読者の方(日経テクノロジーオンライン有料会員とのセット購読の方を含む)が対象です。
  • ※受講料には、昼食は含まれておりません。
  • ※満席になり次第、申込受付を締め切らせていただきますので、お早めにお申し込みください。

プログラム詳細

10:00 - 17:00

1. 機械学習の基礎

1.1 機械学習をどのように活用するか?
1.2 回帰モデルを用いた予測
1.3 決定木を用いた識別
1.4 異常検知と混合正規分布モデルの適用

2. Pythonで学ぶ機械学習

2.1 Pythonの基本
2.2 IPythonとJupyter notebookの使い方
2.3 数値計算ライブラリnumpyによる行列演算
2.4 pandasを用いた表形式のデータ処理
2.5 scikit-learnによる機械学習手法の適用
2.6 演習(線形回帰、決定木、混合正規分布モデル)

3. 深層学習の基礎

3.1 順伝播型ニューラルネットワーク
3.2 誤差逆伝播法によるパラメータ推定
3.3 畳込みニューラルネットワーク(CNN)による画像の識別
3.4 再帰型ニューラルネットワーク(RNN)による時系列の予測
3.5 長・短期記憶(LSTM)の仕組み

4. フレームワークを用いた深層学習の演習

4.1 TensorFlowとKerasの解説
4.2 畳込みニューラルネットワーク(CNN)による画像認識
4.3 長・短期記憶(LSTM)による時系列フィッティング
4.4 演習(時系列予測、加速度センサによる行動認識)

  • ※途中、昼休憩と午後の小休憩が入ります。
  • ※講演時刻等、随時更新いたします。また、プログラムは変更になる場合があります。あらかじめご了承願います。
■受講料のお支払い
≪ 請求書でのお支払い ≫
後日、受講証およびご請求書を郵送いたします。
受講証は、セミナー当日にご持参いただきますようお願い申し上げます。
※ご入金は銀行振込でお願いいたします。
 なお、振込手数料はお客様のご負担となりますのであらかじめご了承ください。

≪ クレジットカードでのお支払い ≫
後日、受講証を郵送いたします。
受講証は、セミナー当日にご持参いただきますようお願い申し上げます。

●開催日直前にお申込みいただいた場合、受講証のお届けが間に合わない可能性が
 ございます。その際は、受講証の代替としてこのメール文面をプリントいただき、
 会場受付でご提示ください。
■お申し込み後のキャンセルおよび欠席など
お申し込み後のキャンセル、ご送金後の返金はお受けいたしかねます。代理の方が出席くださいますようお願いいたします。
会場までの交通費や宿泊費は、受講される方のご負担となります。講師等の急病、天災その他の不可抗力、その他やむを得ない事情により、中止する場合があります。この場合、受講料は返金いたします。
■最少開催人員
15名。参加申込人数が最少開催人員に達しない場合は、開催を中止させていただくことがあります。

おすすめ