| At a glance | |
|---|---|
| スケジュールと申し込み |
Data and Analytics研修コース コースお申込フォーム |
| コースコード | HU0F0S |
| 日数（開始時間〜終了時間） | 2日間（10:00〜18:00） |
| 実施方法 | クラスルーム (本社)
ライブオンライン 1社研修・オンサイト研修 |
| 受講料 | 140,000円（税抜） |
コースの特徴
- 日本語のテキストを使用します
- 演習用PCはHPEで用意します（※教室で実施の場合）
- HPE本社社員食堂での無料ランチが付きます（※教室で実施の場合）
- Free WiFi 完備（※教室で実施の場合）
コースの概要
このトレーニングは、AIと機械学習の基礎をカバーし、特にディープラーニングに焦点を当てています。
ディープラーニングプロジェクトを管理するためのベストプラクティスを説明します。 Python、TensorFlow、Kerasのハンズオンラボを行いながら理解を深める事ができます。
対象者
- このコースは、データサイエンティスト、ソフトウェア開発者、ソリューションアーキテクト、プロジェクトマネージャー、研究者、およびディープラーニングを理解し、ディープラーニングソリューションを開発および展開しようとしているITプロフェッショナルに最適です。
前提条件
- 特になし
コースの目的
このコースを受講すると以下のことができるようになります。
- ディープラーニングの一般的な用語と背景を理解する
- 学習済みディープラーニングモデルを理解する（画像分類、オブジェクト検出、自然言語処理など）
- ディープラーニングプロジェクトを管理するためのベストプラクティスを理解する
コースの説明
※演習を実施しながら進めていきます
※内容は変更になる場合があります
- ディープラーニングの概要
- AI、機械学習、およびディープラーニング
- AI関連のトピックと技法
- 現在のAI活用事例
- 機械学習とディープラーニングの比較
- 教師あり学習
- 教師なし学習
- 人工ニューラルネットワーク
- 人工ニューロン: 生体ニューロンの模倣
- 活性化関数
- 仮想のニューラルネットワーク
- 損失関数と勾配降下
- 全結合ネットワーク
- 畳み込みニューラルネットワーク
- リカレントニューラルネットワーク
- トレーニングと推論
- Pythonの基礎
- Python
- Pythonパッケージ: NumPy
- Pythonパッケージ: Pandas
- TensorFlowとKeras
- 学習済みモデル
- 学習済み画像分類モデル
- 学習済み画像分類モデル一覧
- 学習済みオブジェクト検出モデル: YOLO
- 自然言語処理用のワンホットエンコーディング
- 自然言語処理用の単語埋め込み
- 学習済み英単語埋め込みモデル一覧
- 正則化
- 過学習と未学習
- バイアスとバリアンスのトレードオフ
- トレーニング損失と検証損失
- 正規化の技法
- データセット拡張
- 早期終了
- L1/L2正則化
- ドロップアウト
- 敵対的学習
- アンサンブル手法
- 最適化と調整
- パラメータとハイパーパラメータ
- 学習率
- モメンタム
- 最適化アルゴリズムの選択
- パラメータ初期化戦略
- データの正規化
- バッチの正規化
- ハイパーパラメータと最適化戦略の一覧
- ハイパーパラメータの探索戦略
- ハードウェアの高速化
- HPE Deep Learning Cookbook
- リファレンス設計
- ディープラーニングプロジェクトの管理
- ディープラーニングプロジェクトの管理
- 組織全体にわたる意識向上とトレーニング
- 目標と範囲の明確化
- データの取得
- データの前処理
- データのラベル付けと人間レベルの性能の測定
- トレーニング、検証、テストの配分
- ベースラインの設定
- データ拡張、オーバーサンプリング、アンダーサンプリング
- 転移学習
- 特徴エンジニアリング
- パフォーマンス測定
- アンサンブル手法
- AIに関する法的および倫理的な課題
- AIの法的/倫理的側面は今後の課題
- AIと知的財産法
- AIと倫理
- 総仕上げプロジェクト‐X線画像分類
- ChestX-ray8: 米国国立衛生研究所の胸部X線画像データセット
- プロジェクトの仕様
