At a glance
スケジュールと申し込み 人工知能(AI)/ディープラーニング(DL)研修コース
コースお申込フォーム
コースコード HU0E1X
日数(開始時間〜終了時間) 2日 (10:00〜18:00)
実施方法 ・クラスルーム (本社)、 (ライブオンライン)
受講料 別途お問い合わせ(1社研修での実施となります)

コース概要

Kerasを使用して、ディープラーニングをPythonで迅速に実践するための方法を学びます。

理論だけではなく、実世界のデータを基に、迅速にプロトタイプを構築し、訓練する方法を学びます。

主な対象者

  • Pythonについての基礎を学習されている方
  • 機械学習やディープラーニングについて、基礎を学習されている方
  • 高校レベルの数学知識
    ※関数・ベクトル・行列の計算等

前提条件

  • Pythonについての基礎を学習している
  • 機械学習やDeep Learningについて基礎を学習している
  • 高校レベルの数学知識(関数・ベクトル・行列の計算など)

コースの目的

  • ディープラーニングの概要を理解する。
  • Kerasの基礎と利用方法を理解する。
  • CNN(Convolution Neural Network)を理解し,実践する。
  • RNN(Recurrent Neural Network)を理解し,実践する。
  • データの精度,学習効率を上げる方法を理解する。

コースの説明

  1. ディープラーニングの概要
    • ニューラルネットワークとディープラーニング
    • ディープラーニングの種類
    • TensorFlowとTheano
    • CPUとGPU
  2. Keras基礎
    • Kerasに必要な環境とインストール
    • シーケンシャルモデルの概要
    • アクティベーション機能層
    • トレーニング
    • 損失関数
    • オーバーフィッティング(過学習)
    • 確率的勾配降下
    • バックプロパゲーション(誤差逆伝搬)
    • 学習率
    • オプティマイザ(最適化アルゴリズム)
    • scikit-learnとKeras
  3. 多層パーセプトロン
    • ニューラルネットワークの多層化
    • Kerasで多層パーセプトロンの実装
  4. CNN(Convolution Neural Network:畳み込みニューラルネットワーク)
    • 畳み込み処理
    • 畳み込み層
    • プーリング層
    • MAXプーリング
    • KerasでCNNの実装
  5. RNN(Recurrent Neural Network:再帰型ニューラルネットワーク)
    • 時系列データの学習
    • 順伝搬計算,逆伝搬計算
    • 勾配消失問題
    • KerasでRNNの実装
    • LSTM(Long Short-Term Memory:長・短期記憶)
    • KerasでLSTNの実装
  6. 精度・学習効率向上のために
    • 訓練データの質と量,特徴量,学習手法
    • 規格化,データの正規化,クレンジング
    • データ拡張 〜難しい(まぎらわしい)データを加える
    • 複数のニューラルネットワークのモデル平均
  7. 質疑応答

※本コースは株式会社フルネス主催コースです