Course
機械学習パッケージ_画像特化バージョン
対象者
・AI・機械学習の実践方法を習得したい方 ・テーブルデータだけでなく、画像データの利用を考えている方 ・実践的な演習を通して能動的に学習へ取り組める方
Summary
サマリー
日程
7日間
費用
385,000円
(税込)
形式
オープンコース
事前予習
Python & 機械学習入門
受講環境
ブラウザ：Google Chrome 推奨（IE 不可） ディスプレイ：2 画面推奨
Value
研修の特徴
機械学習・ディープラーニングを一貫して学習するパッケージコースです。 講座内で、演習を多く含めることで受講後実務で活用できるスキルを身につけます。
Goal
研修の到達点
・Python を用いた機械学習アルゴリズムの実装ができる状態 ・作成した機械学習アルゴリズムを適切に評価できる状態 ・画像認識の実務適用可能な深層学習アルゴリズムを実装できる状態
Time Schedule
スケジュール
7 日間
| 1 日目 | ▪Python の基礎 ・数学/Python の基礎 ・機械学習の開発フロー ・Google Colaboratory の基礎 ▪データサイエンス入門（回帰） ・住宅価格の予測 ・正則化 (Lasso/Ridge) ・欠損値、カテゴリカル変数 ・代表的な回帰の手法 |
| 2 日目 | ▪演習問題 ・車の価格を予測 ・代表的な分類の手法 ▪データサイエンス入門（分類） ・アンサンブル学習 ・教師なし学習 ・ハイパーパラメータ調整 ・K-分割交差検証 |
| 3 日目 | ▪評価指標 ・混合行列 ・不均衡データへのアプローチ ・ROC 曲線と AUC ▪総演習 ・Bank Marketing モデルの作成 ・発表 / フィードバック ・解説 |
| 4 日目 | ▪Azure で環境構築 ・数学/Python の基礎 ・ディープラーニング開発 ・Azure で仮想環境構築 ・Nvidia-Docker コンテナ作成 ▪ディープラーニング入門（分類） ・ニューラルネットワークの理論 ・ワインのクラス分類 ・ミニバッチ学習 ・Batch Normalization の実装 |
| 5 日目 | ▪ディープラーニング入門（回帰） ・回帰問題の演習 ・最急降下法 ▪CNN で画像分類 ・Pillow と OpenCV ・画像の取り扱い方法 ・人を見分けるフィルタとは ・CNN の理論と実装 ・演習：犬猫画像分類 |
| 6 日目 | ▪ 画像処理の全体像 ・セグメンテーションとは ・アップサンプリングとパラメータ削減 ・モデルの歴史 ・セマンティックセグメンテーションの課題 ▪ Semantic Segmentation ・Encoder-Decoder 構造 (FCN, SegNet, U-Net) ・labelme を用いたアノテーション実装 ・U-Net の実装と性能改善 |
| 7 日目 | ▪ Object Detection (Two-Stage-Model) ・物体検出とは ・基本技術 (Bounding Box, IoU, mAP) ・モデルの歴史 (R-CNN, Fast R-CNN, Faster R-CNN, RPN) ▪ Object Detection (One-Stage-Model) ・モデルの歴史（SSD, YOLO, YOLOv3） ・アノテーション（VoTT, labelImg） ・SSD 実装 ・YOLO とその他のデータ拡張 ・演習課題 |
Loading...
