ホーム > ディープラーニングハンズオンコース(E資格対策コース)

ディープラーニングハンズオンコース(E資格対策コース)

  • New!
    新規コース(過去6ヶ月)

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コース(E資格対策コース)
コースコード MAC0017R  
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) 165,000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

2021年5月10日(月) ~ 2021年5月12日(水)

Kikagaku(オンライン)

  お申し込み後確認

2021年5月19日(水) ~ 2021年5月21日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年6月7日(月) ~ 2021年6月9日(水)

Kikagaku(オンライン)

  お申し込み後確認

2021年6月23日(水) ~ 2021年6月25日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年7月7日(水) ~ 2021年7月9日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年7月14日(水) ~ 2021年7月16日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年8月2日(月) ~ 2021年8月4日(水)

Kikagaku(オンライン)

  お申し込み後確認

2021年8月17日(火) ~ 2021年8月19日(木)

Kikagaku(オンライン)

  お申し込み後確認

2021年9月1日(水) ~ 2021年9月3日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年9月15日(水) ~ 2021年9月17日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年10月6日(水) ~ 2021年10月8日(金)

Kikagaku(オンライン)

  お申し込み後確認

2021年10月19日(火) ~ 2021年10月21日(木)

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。)


●ご受講時には、以下のスペックを満たすPCのご用意をお願いいたします。

・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 


●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

現状は、オンラインに切り替えて実施しております。

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。

対象者情報

対象者
・AI案件を任されるようになり実務をこなすための基礎を身に付けたい方
・機械学習・ディープラーニングなどのAI技術や数学について体系的に学びたい方
・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
● ディープラーニングの全体像がわかる
ディープラーニングを学ぶ際の障壁は「何から手を付ければよいかが分からない」ということです。この点について、ディープラーニングの全体像の体系だった地図を得ることができます。ベースとなる手法を理解することは最新動向を自力で追う基礎固めとなります。
● 実践的なモデルの実装
ディープラーニングの理論の詳細を掴むことで、講義外の内容についても自走力・応用力を身につけることができます。任意の学習済みモデルを実装する力をつけることができ、活躍の幅が広がります。
● 網羅的なスキルが身につく
実装を通して一連の流れを身につけることができ、受講後の活用イメージが湧きます。コスト、性能、その他様々な実務の観点から最適な手法選択とその実装ができるようになります。
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

E資格補講動画:
・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のご用意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。