トップ  >  研修サービス一覧  > ディープラーニング(機械学習)講座

研修サービス

学習内容

今ディープラーニング(深層学習)が囲碁や自動運転のAIで脚光を浴びていますが、その基盤となる「機械学習」の理論をゼロから学習します。単純にライブラリをインストールして実行するのではなく、機械学習が行われるメカニズムを数理的に理解するのを目標とします。
ただし、前提となる数学の知識はほとんど必要としません。よって、「高校時代から苦手だからまともに数学は勉強してこなかった」という方でも理解できるようなカリキュラムで学習して頂きます。
本講座を通して機械学習の理論の基礎とそれを理解するのに必要な大学教養程度の数学の基礎的な知識を身につけ、今後の学習の礎となるような「基礎だけどコア」なスキルを身につけましょう。

学習内容

  1. 大学教養過程レベルの微積分と線形代数の知識を復習(あるいは学習)します。
  2. ニューラルネットワークの理論的基礎を導入し、代表的なモデルであるパーセプトロンモデルの構造と機械学習に必要な誤差軽減手法であるバックプロパゲーションを学習します。
  3. 代表的な機械学習のPythonライブラリであるScikit-learnを利用して機械学習を行うプログラムを実習します。
  4. 多変量解析の1手法で機械学習でも利用されている主成分分析の理論を学習します。
  5. 統計解析プログラミング言語であるR言語を利用して主成分分析の例題を分析します。
  6. 深層学習には欠かせないGPUコンピューティングの概要とそのアーキテクチャの基礎を学習します。
  7. 深層学習で代表的な手法であるCNN(畳み込みニューラルネットワーク)の理論を学習します。
  8. 深層学習向けライブラリであるTensorFlowを利用して深層学習を行うプログラムを実装します。

学習目標

  1. 深層学習を含む機械学習に必要な大学レベルの数学の概念を理解し活用できる。
  2. パーセプトロンの動作を数式レベルで理解できる。
  3. 機械学習ライブラリであるScikit-learnを使いこなせる。
  4. 主成分分析の分析手法を数式レベルで理解できる。
  5. 統計解析をR言語を利用して実施できる。
  6. GPUアーキテクチャによる並列計算処理の仕組みを理解できる。
  7. CNN(畳み込みニューラルネットワーク)の動作を数式レベルで理解できる。
  8. 深層学習ライブラリであるTensorFlowを利用して深層学習プログラムを実装できる。

演習

    本講座のカリキュラムは理論を理解するための座学が中心となっており、演習に割り当てられる時間は機械学習を実施する実行環境を整え、実際に動作させる手順の構築を確認することが中心となっております。個別の課題として機械学習に実際に取り組んでいくことに対しては本講座が修了してから受講者の皆様各自で取り組んで頂くのを念頭に置いております。その際の取り組み方などについては紹介することに努めることでサポートする方針となります

講師紹介

池田成樹(いけだなるき)
ダイキチ・ドットネット有限会社取締役社長、NPO法人JASIPA理事・研修委員長
コンピューター技術書執筆多数で大学工学部教科書採用実績も多数
社会学部を卒業していわゆる「文系SE」としてエンジニアキャリアをスタートさせたが、数学の素養が必須であることを痛感し社会人入学で理学部数学科に編入学(ただし卒業には至らず)。
自らの経歴を活かしてエンジニアのステップアップを実現する研修教育の実施を行っている

主な著作リスト
『やさしい Java 入門 〜講義形式でじっくりマスター 第3版』(主著)
『Scala テキスト 〜基本文法篇』(主著)
『OpenCL 詳説』(共訳)
すべてカットシステム刊

期間: 1月18日、19日
2日/14h 10:00~18:00