人工知能・機械学習の教育コンサルティング

ディープラーニング ハンズオンセミナー

▶ 予約受け付け中のセミナーはこちら

お申込みはこちら

セミナー概要

時間・料金

7時間(9:30 – 17:30)×3日間
料金:200,000円(税込み、請求書払い可)
特典:Azure5万円使用権付き

スケジュール

  • 12/11(月)、12/12(火)、12/13(水) @池袋 9:30 – 17:30 (9:00受付開始)
    申込〆切:12/8(金) 18:00 残り15
  • 12/18(月)、12/19(火)、12/20(水) @池袋 9:30 – 17:30 (9:00受付開始)
    申込〆切:12/15(金) 18:00 残り16
  • 1/15(月)、1/16(火)、1/17(水) @名古屋 9:30 – 17:30 (9:00受付開始)
    申込〆切:1/12(金) 18:00 残り15
  • 1/24(水)、1/25(木)、1/26(金) @札幌 9:30 – 17:30 (9:00受付開始)
    申込〆切:1/19(金) 18:00 残り18

ディープラーニング技術の基礎から実践までをハンズオン形式で効率良く習得

人工知能(AI)の主要技術であるディープラーニングの数学からプログラミング、Azure上のGPU搭載マシンでの学習計算まで、ハンズオン形式により知識やスキルを効率よく習得できます。
数学プログラミングの基礎から始まり、Chainerによる実装、Azure上のGPUマシンでの計算、画像時系列自然言語の取扱い方も含めた実践的な実装まで3日間で幅広く学べる内容となっています。

本セミナーの特徴

受講生からいただいた多くの声にお応えした内容となっています。

  • ディープラーニングのプログラミングだけでなく、プログラミングに必要な数学も正しく理解しておきたい
  • MNISTといったサンプルプログラムを動かして終わりではなく、問題設定から考えた実践的な演習をステップアップしながら学びたい
  • 機械学習の処理部分以外に、入力データとして使用する画像・時系列・自然言語のデータの特徴量の選び方から知りたい
  • ディープラーニングには不可欠なGPUマシンの環境構築から計算の高速化までの流れを把握したい

開催概要

  • 場所:マイクロソフトイノベーションセンター(@品川),株式会社キカガク(@池袋
  • 住所:
    • @品川 〒108-0075 東京都港区港南 2-16-3 品川グランドセントラルタワー
      JR 品川駅 / 港南口よりスカイウェイにて直結 徒歩 3 分
      京浜急行 / 品川駅より 徒歩 6 分
    • @池袋 〒170-0014 東京都豊島区池袋2丁目72-8 笹井ビル 2階
      東京メトロ副都心線/ 池袋  徒歩6分
      山手線/ 池袋 北口 徒歩8分
      東京メトロ有楽町線/ 要町  徒歩12分
    • @名古屋 〒451-6021 愛知県名古屋市西区牛島町 6-1 名古屋ルーセントタワー 21F
      JR 名古屋駅桜通り口方面から地下道直結 徒歩 5 分
    • @札幌 株式会社HAJエンパワーメント内教室(札幌市中央区南2西6)
  • 参加対象:データサイエンス及び機械学習に興味のある方 情報システム部門 企画部門 設計・製造部門 研究開発部門 データ活用部門・事業部門 セールス/マーケティング部門 品質管理やリスク管理部門 サービスプロバイダー/ITベンダー等
  • 定員:20名
  • 持ち物:無線LANの使用できるPC、ノート、筆記用具
    ※ 備え付けのPC(Windows10)を使用することも可能ですので、ご相談ください。
  • 費用:20万円(税込み) ※ 昼食込み
  • 受講特典:Azure 5万円使用権 (試用期限1ヶ月)
         セミナー受講生限定コミュニティへの招待
         ※ マイクロソフト、PFN、キカガク等によるアフターフォロー

 

お申込みはこちら

受講生からの生の声をお届けします

セミナーで学べることや雰囲気について、受講生から生の声をいただいております。
受講をご検討中の方は、こちらの記事をご一読いただけますと幸いです。

AI人材育成セミナーって実際どうなの? MS,PFN監修・キカガク『ディープラーニングハンズオンセミナー』受けてみた | BITA デジマラボ

 

事前の予習がおすすめ!

弊社と連携しているUdemyの講座で数学の基礎とプログラミングの基礎を予習しておくと、スムーズに学び始めることができます。
「どのくらいのレベルであれば受講できるの?」と気になっている方にも、ピッタリの内容となっています。

▶ 【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 初級編 | Udemy
※ 上記リンクからお申込みで、通常料金15,000円のところ80%OFF3,000円で受講可能です。

カリキュラム

1日目:基礎 – 数学・プログラミング –

時刻 トピック 内容
9:30 – 10:00 イントロダクション
  • 人工知能・機械学習・ディープラーニングの違い
  • ディープラーニングを学ぶ流れ
10:00 – 11:00 微分
  • 微分は『何』が求まるの?
  • 微分は『何』に使えるの?
  • 高校の復習と偏微分
11:00 – 12:00 線形代数
  • スカラー、ベクトル、行列の違い
  • 行列の足し算、引き算、掛け算
  • 行列積のサイズ感
  • 機械学習でよく使う演算(転置、逆行列)
12:00 – 13:00 ディスカッション 実務でよくある事例に関してのディスカッション(昼食付き)
13:00 – 15:00 重回帰分析
  • ベクトルによる偏微分
  • 線形モデルの定義(入力変数が複数)
  • 評価関数の定義
  • 微分による評価関数の最小化
15:00 – 16:30 Python入門
  • Jupyter notebookの使い方
  • 変数と関数
  • リスト・タプル・辞書
  • 制御構文(for文とif文)
  • クラス
16:30 – 17:30 Python演習
  • ディープラーニングに必要なアルゴリズム演習
  • Numpyを用いた線形代数演算演習

2日目:応用 – ディープラーニング –

時刻 トピック 内容
9:30 – 10:30 Azure / Docker入門
※ 5万円分の使用権付きアカウントを配布
  • Azureとは
  • Data Science VMとは
  • Azure上のGPU搭載マシンの環境構築
  • GPU計算の速度を体感しよう
  • Dockerとは
  • Dockerイメージからコンテナを作成
10:30 – 12:00 ディープラーニングの数学
  • ニューラルネットワークの概念
  • 線形変換
  • 非線形変換(活性化関数)
  • 手計算でニューラルネットワーク
  • 最急降下法、確率的勾配法
12:00 – 13:00 ディスカッション 実務でよくある事例に関してのディスカッション(昼食付き)
13:00 – 15:00  ディープラーニングの実装1
  • Chainerの基礎
  • Chainerで1入力1出力の非線形回帰を試そう
15:00 – 17:00 ディープラーニングの実装2
  • ChainerのTrainerを使おう
  • Pandasでデータを読み込もう
  • Chainerで多入力3出力の分類を試そう
17:00 – 17:30 画像処理入門
  • 画像処理の基礎(OpenCV)
  • 画像処理で代表的な処理
  • 画像処理でよく用いられる特徴量

3日目:実践 – ディープラーニング –

時刻 トピック 内容
9:30 – 10:30 CNNを用いた画像処理
  • CNNを用いたクラス分類の実装
  • GPU使用による高速化
10:30 – 12:00 RNNを用いた時系列解析
  • 時系列解析の基礎
  • 時系列データの特徴量
  • RNN(LSTM)を用いた回帰の実装
12:00 – 13:00 ディスカッション 実務でよくある事例に関してのディスカッション(昼食付き)
13:00 – 15:30 RNNを用いた自然言語処理1
  • 自然言語処理の基礎(Mecab)
  • 自然言語処理でよく用いられる特徴量
  • NNを用いた文書のクラス分類
15:00 – 17:30 RNNを用いた自然言語処理1
  • RNN(Seq2Seq)を用いた機械対話の実装

※2017/9/14 セミナー内容改定1
※ 2017/10/15 セミナー内容改定2

お申込みはこちら

よくあるご質問

Q. どの程度のレベルであれば、こちらのセミナーを受講可能でしょうか。
A. 本セミナーはエンジニアの方をメインの対象としているため、プログラミングの知識があることを前提としております。そのため、Pythonでなくても、JavaやC++といったオブジェクト指向型の言語に業務で使用され、使い方を把握されていることが望ましいです。
下記のサイトより予習をしていただければ、プログラミングの基礎知識は大丈夫です。
予習用サイト(所要時間2時間):プログラミング0時限目:プログラミングの予習
数学は微分や線形代数の基礎から説明してまいりますので、特に前提とした知識はありません。ただし、短い時間でテンポよく進んでいくため、事前に機械学習の数学を参考書等で予習されていると、理解度が深まるかと存じます。

Q. PCの設定は必要ですか?
A. PCの設定は特に必要ございません。Microsoft Azure上に環境構築を行いますので、お手持ちのPCへの設定は不要となっております。ただし、クラウド環境上でなく、お手持ちのPCで復習などを行いたい方は、以下の手順書を御覧ください。
・Windowsの方:【決定版】WindowsでPythonを使って『機械学習』を学ぶための環境構築
・Macの方:【決定版】MacでPythonを使って『機械学習』を学ぶための環境構築

Q. このセミナーを受講すると、どのくらいのレベルになれるのでしょうか。
A. こちらのセミナーを受講していただくことにより、「ディープラーニングの具体的な実装」がわかるレベル(0→80)となります。社会的にニーズの高い技術に焦点を当てた内容となっておりますので、実務への導入を考えられるようになります。ディープラーニングを導入したいと考えているけれども、まずどこからどう手をつけて良いか迷われている方には、数学の理論から実装、計算機での高速化まで触れておりますので、ピッタリの内容となっております。逆に焦点を当てない点は、アルゴリズム内の細かいチューニングやレベルの高いデータの前処理(80→100)です。

Q. Azureのアカウントは事前に準備すべきでしょうか。
A. こちらは準備不要です。当日に運営側で準備したアカウントをお配りいたしますでの、ご安心ください。

Q. 開催の日程が合わず、次回のセミナーはいつ開催されますか?
A. 毎月隔月での開催を予定しております。1〜2ヶ月前に開催日程を掲示いたしますので、定期的にチェックしていただけますと幸いです。

過去のセミナーの様子

記念すべき第1回参加者の方とセミナー終了後に記念撮影

キカガクのこだわりである手書きの数学で解説していきます

プログラミングも講師と一緒に行います
受講生の方々が非常に真剣な眼差しで勉強されています

数学の理論だけでなく、プログラミングの実装まで行います

本セミナーの満足度

セミナーの内容・講師の質、セミナーのペースを含め、参加者の満足度の回答結果です。

本セミナーの感想

記念すべき第1回ディープラーニングハンズオンセミナー参加者からは今回のセミナーに関して、以下のような声をいただきました。

  • 手書きの数学も含めたハンズオンで非常に理解が深まりました。
  • 数式が多いのにも関わらず、とてもわかりやすく楽しいセミナーでした。
  • 「なんとなく動いた」ではなく、仕組みを理解するのに役立ちました。
  • 独学では挫折しそうな部分や深入りしなくても良い部分がわかり、より実装に向けて必要な部分だけピックアップしてくれている点が素晴らしかったです。
  • とにかく説明がわかりやすい!

ディープラーニングに特化した唯一無二のセミナー

人工知能教育のキカガク、ディープラーニングフレームワークChainerのPreferred Network、クラウドコンピューティングAzureのマイクロソフトの3社が全力でバックアップを行う他にはないセミナーとなっております。

ぜひ、みなさまのお越しをお待ちしております。

お申込みはこちら

セミナー内容

イントロダクション

弊社のセミナーでは手書きによる指導を徹底しております。
受講生のみなさんには、数学を効率よく理解していただくために、数式や図を一緒に書きながら説明を行います。
ディープラーニングの説明に入る前に、まずこの技術を俯瞰的に見た時にどこに位置づけられているか、そして、他に必要な技術は何かを最初にご説明します。

  • 人工知能、機械学習、ディープラーニングの違い
  • 機械学習にはできない領域
  • 内挿と外挿
  • 機械学習の3大トピック
  • 機械学習を使う際に注意すべきデータの種類

微分

ディープラーニングの数学には不可欠である微分を中学校の復習から大学で習う偏微分まで一気に繋がりよく解説します。
数式を勉強する前に、「なぜ微分は必要なのか?」といった学ぶ意義からご説明することで、その数式が意味していることがより鮮明に理解できます。

  • 微分を学ぶ意義
  • 中学校の復習
  • 高校の復習
  • 微分の簡単な計算
  • 偏微分

線形代数

微分と同様にディープラーニングを理解するためには必要不可欠である線形代数を解説します。
大学の講義で習う線形代数は非常に抽象的ですが、機械学習で扱うデータをイメージしながらご紹介することで、Excelでデータを扱っていることと似ており、全く難しくないことがご理解いただけるかと思います。

  • スカラー、ベクトル、行列とは?
  • 行列の演算
  • 代表的な行列
  • ベクトルで微分

重回帰分析

ディープラーニングで挫折してしまう人の多くが、いきなりディープラーニングを学ぼうとする傾向があります。
少し遠回りになりますが、ディープラーニングの数学の基礎となる重回帰分析を正しく理解しておくことで、ディープラーニングの数学の意味が非常にクリアにご理解いただけます。
重回帰分析の中で出てくる式変形も全て一緒に行うため、初学者がつまずくポイントを避けることができます。

  • 重回帰分析の問題設定
  • モデルを決める
  • 評価関数を決める
  • 評価関数を最小化するパラメータを求める

Azure/Docker入門・Python入門

Microsoft Azureを使用したクラウドコンピューティング環境でのプログラミングを行うための手順をご紹介します。
Azureをはじめとしたクラウドコンピューティング環境では、高性能なGPUマシンを含めたオンプレミスで持つことは難しい環境を必要な分だけ手軽に使用することができます。
ただし、クラウドコンピューティング環境を使用するためには、サーバーに関する知識が多少なりとも必要であり、思わぬ落とし穴も多数あります。
また、ローカルとは別途環境構築も必要であり、その作業も容易ではありません。
そこで、Dockerと呼ばれる手軽に仮想環境を構築することができるソフトウェアを使用して、Azure上でディープラーニングを解析できる環境+GPUを使える環境まで、ほんの十数分で構築できる方法をご紹介します。

  • Microsoft Azureのインスタンス(仮想マシン)をデプロイ
  • Dockerによるディープラーニングに必要な環境の構築
  • Azure/Docker上でJupyter Notebookの立ち上げ
  • Python入門(変数、制御構文、関数、クラス)
  • Numpyによる線形代数の実装練習

ディープラーニングの数学

微分、線形代数、重回帰分析で学んだ基礎をベースに最先端の技術であるディープラーニングの数学を学びます。
理論は記号が多く抽象的になりがちですが、下記のように数値を使った具体的な計算も交えながら解説いたしますので、実装する際の計算に関するイメージを掴むことができます。

  • ディープラーニングとは?
  • モデルを決める(線形変換と非線形変換)
  • 評価関数を決める(回帰と分類)
  • パラメータの最適化(勾配の計算と最急降下法)
  • 手計算で計算のイメージを掴もう

Chainer入門

日本製のディープラーニングフレームワークであるChainerの実装方法について学びます。
Chainerでの実装に一番繋がりの良い数学のカリキュラムとなっているため、数式とソースコードとの対応関係がクリアに理解できます。
Chainerの新しいバージョンで追加されたTrainerや新バージョンでのモデルの組み方もPreferred Network公認ならではのスピード感でお伝えします。

  • Chainerとは?Chainerのメリット
  • モデルを組むために必要なChainerの基礎を学ぼう
  • Chainerで1入力1出力の非線形回帰を試そう
  • 学習回数や最適化器を変えてみよう
  • Trainerでミニバッチ学習や検証データに対する計算も行おう
  • GPUで計算するための方法
  • 多入力多出力の分類問題を試そう

CNNを用いた画像処理

近年、ディープラーニングで注目を集めている分野である画像処理をCNN(Convolutional Neural Network)で実装します。
Chainerでは、CNNを組むためのモジュールが準備されているため、Chainerの基礎を習得していれば、プログラム自体はそれほど難しくありません。
それに対し、「なぜCNNを使用するのか?」「従来の画像処理とは何が違うのか?」と言った点を数学も踏まえて原理を把握しておくことで、CNNの使い所を正しく理解することができます。

  • OpenCVによる画像処理入門
  • CNNと従来の画像処理の関係性と違い
  • 画像データをCNNの入力とするための前処理
  • ChainerによるCNNの実装(青色画像と黄色画像の2クラス分類)
  • GPUによる高速化

RNNを用いた時系列解析

株価予測需要予測で企業からのニーズが高い時系列解析について解説し、その主要技術であるRNN(Recurrent Neural Network)について解説します。
こちらもChainer側でRNN用のモジュールが準備されているため、実装自体は難しくありません。
「どのようなデータにRNNを適用すべきか?」「時系列データに通常の機械学習アルゴリズムを適用してはいけない」といったデータや機械学習理論の背景にある性質をしっかりと解説していきます。

  • 時系列データとは?
  • 時系列データに通常の機械学習アルゴリズムを適用するとどうなるのか?
  • RNNとは?その工夫
  • ChainerでRNNを実装

NNを用いた文書分類

自然言語処理(テキスト解析)も画像、時系列データと同じく実データでよく取り扱われる種類のデータです。
画像に対するCNNや時系列に対するRNNのような自然言語処理に対する新たなディープラーニングの手法自体があるわけではありません。
ただし、自然言語処理は文章単語特徴量のベクトルへ変換することが課題の一つとなっています。
画像であれば光の強さ(輝度)、時系列であれば株価のような数値データとして容易に数値で取り扱うことができますが、文字はどのように定量評価すべきか決まっていないといった難しさがあります。
今回は、実際のニュース記事に対して、NNでよく使用するBoWと呼ばれる特徴量への変換をMeCabを使って行い、その特徴量をもとに、ニュース記事のカテゴリ分類を行います。

  • MeCabで形態素解析
  • テキストを読み込み、名詞のみを切り分ける
  • 名詞をBoWに変換
  • 自然言語の特徴量をもとに分類を実装

Seq2Seqによる文章生成

Seq2Seqとはチャットボット機械翻訳(例. 日→英)のような文章を入力として文章を出力する仕組みのモデルです。
文章の生成には前の単語が次の単語に影響を与えるため、時系列データとして取り扱う必要があり、また自然言語処理のため、特徴量の選び方も困難となります。
この入力や出力の変数が可変な値を取る場合のモデル化について、これまでの総集編として考え方から実装までご紹介し、例題として「足し算ができる」ボットを作成します。

  • Seq2Seqのモデル化の考え方
  • Seq2Seqの実装方法
  • 足し算ができるボットを作ろう

セミナー資料

▶▶ セミナー資料をダウンロード

セミナーお申込みの方はこちら

個人情報の取扱いはプライバシーポリシーに従います。

※ 「送信」をクリック後、お申込み完了まで10秒ほどお待ち下さい。

その他予約受付中のセミナー(一覧ページ

システム自動化セミナー
人工知能・機械学習 脱ブラックボックスセミナー
データサイエンスセミナー
データエンジニアリングセミナー
[MS×PFN×キカガク] ディープラーニング ハンズオンセミナー

PAGETOP
Copyright © 株式会社キカガク All Rights Reserved.