ホーム > ディープラーニング ハンズオン PyTorchコース E資格受験プラン -キカガク主催-

ディープラーニング ハンズオン PyTorchコース E資格受験プラン -キカガク主催-

コース基本情報

コースタイトル ディープラーニング ハンズオン PyTorchコース E資格受験プラン -キカガク主催-
コースコード MAC0007R  
コース種別 集合研修 形式 事前学習+講義+実機演習
期間 3日間 時間 9:30~17:30 価格(税込) 330,000円(税込)
主催 株式会社キカガク
日程 会場 空席状況 実施状況 選択

2020年11月4日(水) ~ 2020年11月6日(金)

Kikagaku(オンライン)

  お問い合わせください

2020年11月18日(水) ~ 2020年11月20日(金)

Kikagaku(オンライン)

  お申し込み後確認

2020年12月16日(水) ~ 2020年12月18日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年1月13日(水) ~ 2021年1月15日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年1月27日(水) ~ 2021年1月29日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年2月8日(月) ~ 2021年2月10日(水)

Kikagaku(オンライン)

  お申し込み後確認

2021年2月24日(水) ~ 2021年2月26日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年3月10日(水) ~ 2021年3月12日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年3月24日(水) ~ 2021年3月26日(金)

Kikagaku(オンライン)

  お申し込み後確認

※「キャンセル待ち」でお申し込みの方には、別途メールにてご連絡いたします。
※「実施確定」表示のない日程は、お申し込み状況により開催中止になる場合がございます。
※ トレノケート主催コース以外の空席状況は、残席数に関わらず「お申し込み後確認」と表示されます。
※ トレノケート主催コース以外では、主催会社のお席を確保した後に受付確定となります。

詳しくはお問い合わせください。

ワンポイント

一般社団法人日本ディープラーニング協会(Japan Deep Learning Associate)認定!3日間で体系的に学べる人気セミナーです。

本講座では、ディープラーニングを用いた主要技術である、画像処理・時系列解析・自然言語処理を扱い、それぞれ実装していきます。

「数学が苦手・プログラミングをやったことがない」という方でも、事前にお配りする予習動画で中学数学、プログラミングの基礎から解説しますので、ついていけないという心配はありません。

「AIで何ができるのか知りたい」「AIの技術を事業に取り入れたい」という方がディープラーニングを実務で活用していくための第一歩に最適な講座になっています。


●本研修は受講前にeラーニングの事前学習(9時間)が必要です。本研修の研修時間(21時間)と合わせ、合計30時間の学習時間となります。
eラーニングの視聴に関するご案内は、受講日の2週間前から1週間前までを目安にご案内いたします。(キカガク社から直接のご連絡となります。)


●受講特典のAzure 使用権について
本コースには、Azure 使用権 (5万円/試用期限1ヶ月) がついております。

本Azure ライセンス使用にあたり、Microsoft Cloud Agreement(MCA)への同意が必要です。お申込みいただいた際にはご同意いただいたものとみなさせていただきます。また、お申込み時の個人情報(お名前およびメールアドレス)をMicrosoft 社へ提供いたします。

MCAの詳細な内容につきましては、Microsoft 社のWebページをご確認ください。(ページ最下部の「アジア太平洋」にあります。文書のpdfファイルのリンク)


●ご受講時には、以下のスペックを満たすPCのご持参をお願いいたします。

・外部Wifiに接続可能なこと

・Pythonの環境構築を終えていること

・Google Chromeがインストールされている あるいは インストール可能なこと 

ご持参が難しい場合、お申込時備考欄に「PC利用希望」を必ず記載してください。 


●E資格受験プランの流れ:

1. 事前学習の後、3日間のセミナーをご受講ください。

2. セミナー受講後、補講動画をご視聴ください。

3. 補講動画を修了されましたら、ご自身でE資格にお申し込みください。

※大変恐れ入りますが、補講動画についての質問は原則として受付できませんので、ご了承ください。


人材開発支援助成金を申請予定の場合、担当営業もしくはWebにご相談ください。



重要なご連絡・ご確認事項

2020年4月以降のコース開催は、オンラインに切り替えて実施されることとなりました。
(掲載中の日程について準備ができ次第会場情報をオンラインに切り替えます)

オンライン研修には、Zoomを利用します。
ご受講にあたり以下の資料をご参照いただき、問題ないことをご確認の上お申し込みください。

また、お申込に際し以下が必要になります。(必須)
・zoomサイトへのサインアップ(アカウント登録)
ご対応の上、お知らせくださいますようお願いいたします。

【本コースはオンライン対応です】※一部日程をオンラインで開催しています


会場が「オンラインLive」または「教室Live配信」の日程は、PCやタブレット等を通してオンラインでご参加いただけます。


  • オンラインLive:受講者の方はオンラインのみとなります。
  • 教室Live配信:教室・オンラインから受講される方が混在します。

★オンラインLiveトレーニングの詳細はこちら

対象者情報

対象者
・PyTorchを用いたディープラーニングの実践を行ってみたい方
・一歩進んだ高度な処理を必要としたり、プログラミング経験が中級以上の方
前提条件
□事前予習動画9時間視聴(必須)

学習内容の詳細

コース概要
AIや機械学習、ディープラーニングの情報収集をWebから行おうとすると、 非常に情報量が多く、断片的に集めることしかできません。学ぶべきものと学ばなくていいものの 取捨選択も初学者には難しいのが現状です。
本セミナーでは、情報の取捨選択を 現場で活躍している講師が行い、受講生からの声をもとに、ブラッシュアップを重ねた教材を用いることで、体系的にわかりやすく学ぶことができます。
さらに、数学やプログラミング、画像処理や自然言語処理、クラウドサービスやGPUといったディープラーニングの実装に必要な知識を一貫して3日間で習得することが可能です。
学習目標
● データ解析の基盤となるクラウド環境や計算高速化に用いるGPUの設定、注目を浴びるコンテナ技術など、独学の壁になる環境構築について学ぶことができます。
● 実データを用いた画像の分類や9種類のカテゴリに文書を分ける文書分類の問題、時系列に特化したディープラーニングなど現場で使える実装力が身につきます。
● 様々な演習を取り入れることで、自力で多くの試行錯誤を重ねることが可能となり、受講後に自らコードを実装する力、専門書を読み進める力が身につきます。
学習内容
事前予習動画:
・イントロダクション
・微分
・単回帰分析(数学)
・Python入門
・単回帰分析(実装)
・線形代数
・重回帰分析(数学)
・重回帰分析(実装)
・統計
・外れ値を考慮した実装
・ビジネス活用

1. イントロダクション
  - 自己紹介
  - AI の開発フロー

2. 環境構築
  - Azure を用いた GPU インスタンスの作成
  - Docker の基礎
  - Nvidia-Docker を用いた GPU 環境構築

3. ディープラーニングの数学1
  - ニューラルネットワーク のモデル
  - 線形変換
  - 非線形変換

4. ディープラーニングの実装1
  - PyTorch の基礎
  - 線形変換
  - 非線形変換

5. プログラミング基礎
  - Class の基礎

6. ディープラーニングの数学2
  - 最急降下法によるパラメータ更新
  - ミニバッチ学習

7. ディープラーニングの数学3
  - モデルの定義
  - ミニバッチ学習
  - 最適化手法 (SGD, Adam)
  - 学習ループの記述

8. 分類(実装)
  - 問題設定(ワインの等級の予測)
  - モデルの定義
  - Igntie による学習ループの簡略化
  - バッチ正規化の実装

9. 回帰(実装)
  - 問題設定(家賃の予測)
  - モデルの定義
  - 学習

10. 画像処理(数学)
  - 画像の扱い方
  - どのようにベクトルで表現するか
  - フィルタの基礎
  - エッジフィルタの計算
  - Convolutional Neural Network

11. 画像処理(実装)
  - 画像の読み込み(OpenCV, Pillow)
  - フィルタの計算

12. 画像分類
  - CNNモデルの定義
  - GPU を用いた計算

13. 課題
  - 実データに対する画像分類の精度を高める

14. 時系列解析(数学)
  - 時系列データとは
  - どのようにベクトルで表現するか
  - 複数の変数に対するモデル化
  - Recurrent Neural Network

15. 時系列解析(実装)
  - データの取得
  - データの可視化
  - トレンド抽出
  - RNN モデルの定義
  - 実データに対する分類の実装

16. 自然言語処理
  - 形態素解析
  - どのようにベクトルで表現するか

17. 文書分類
  - 形態素解析
  - 名詞のみの抽出
  - 特徴量変換(BoW)
  - 文書データから教師データ作成
  - NN モデルで分類の実装

18. 文章生成
  - 可変長データの扱い
  - RNN によるモデル化

補講動画:
・数学~線形代数~
・数学~確率統計~
・情報理論
・機械学習~基礎・パーセプトロン~
・機械学習~サポートベクターマシン~
・機械学習~ロジスティック回帰~
・機械学習〜k-means・最近傍法〜
・深層学習〜誤差逆伝播法・過学習対策〜
・深層学習〜最適化〜
・深層学習〜CNN・R-CNN〜
・深層学習〜RNN〜
・深層学習〜生成モデル〜
・深層学習〜強化学習〜
・深層学習〜計算グラフ〜
・深層学習〜NN実装〜
・新シラバス

実習/演習内容詳細

ソフトウェア/ハードウェア
ご受講時には、以下のスペックを満たすPCのご持参をお願いいたします。
・外部Wifiに接続可能なこと
・Pythonの環境構築を終えていること
・Google Chromeがインストールされている あるいは インストール可能なこと
ご持参が難しい場合、お申込時備考欄に「PC利用希望」を必ず記載してください。

ご注意・ご連絡事項

・本コースは、株式会社キカガク主催のコースです。
・ご受講前に必ず当社Webサイトにて最新のコース内容をご確認ください。
・受講予定のお客様が所定の人数に満たない場合には、コースの開催を中止させていただく場合がございます。
・お申込のキャンセルは講習会開始日15日前(当該日が当社休業日の場合は、直前の営業日)までにご連絡ください。
・締切日を過ぎてのキャンセル(全日程欠席の場合を含む)は、キャンセル料として受講料の全額をお支払いいただきます。