1口(1社3名まで受講可能)でのお申込は、

 受講料  が格安となります。



☆☆☆Web配信セミナー☆☆☆


『Pythonによる機械学習プログラミング入門〜実習付き〜』 

 ★Google Colaboratoryを利用して、お手元のコンピュータ上でPythonプログラムを動作させることで、
プログラミング実習を体験★



 S211217AW


 テキストとして、「機械学習と深層学習 Pythonによるシミュレーション」(小高知宏 著、オーム社/2750円(税込))を使用しますので、
申込用紙のテキスト希望欄に○印を記入下さい。受講料、テキスト代(実費)を合わせて請求させていただきます。


 ☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆


開催日時:2021年12月17日(金)10:30-16:30
受 講 料:1人様受講の場合 51,700円[税込]/1名
     
1口でお申込の場合 62,700円[税込]/1口(3名まで受講可能)


 ★本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、
 お申込み前にZoomのテストミーティング(http://zoom.us/test)にアクセスできることをご確認下さい。

 ★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
 講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

 ★受講中の録音・撮影等は固くお断りいたします。

画像認識セミナー日程表  新宣伝セミナー日程表


Web配信(Zoom)セミナー日程表


講 師

 

 小高知宏(おだかともひろ) 氏 

   福井大学大学院 工学研究科 知能モデリング研究室教授 教授(工学博士)

 <略歴、等>  1990年 早稲田大学大学院 理工学研究科 博士後期課程修了 工学博士。
 1990年 九州大学 医学部附属病院 助手。
 1993年 福井大学 工学部 情報工学科 助教授。
 2004年 福井大学大学院 工学研究科 教授。
  現在に至る。
 機械学習、ネットワークセキュリティ、教育工学等の研究に従事。
<主な著書>   「Pythonで学ぶ はじめてのAIプログラミング ―自然言語処理と音声処理―」オーム社(2020年09月)
 「基礎から学ぶ 人工知能の教科書」オーム社(2019年9月)
 「PythonによるTCP/IPソケットプログラミング」オーム社(2019年2月)
 「機械学習と深層学習 Pythonによるシミュレーション」オーム社(2018年5月)
 「Pythonによる数値計算とシミュレーション」オーム社(2018年1月)
 「強化学習と深層学習 C言語によるシミュレーション」オーム社(2017年10月)

 セミナーの概要

 

 本講座では、機械学習プログラミングの基本について、具体的なPythonプログラムの事例を通して紹介します。はじめに人工知能や機械学習について概観した後、いくつかの機械学習手法を取り上げて、Pythonプログラムの実例を示しつつ解説します。次に、ニューラルネットワークの基礎的な計算方法や、ネットワークの構成方法、またニューラルネットの学習方法について基礎から紹介し、実際にPythonのプログラムをお手元のPC上で動かしてみることで、具体的な挙動を示します。また、それらの基礎技術を踏まえた上で、ディープラーニングで頻繁に用いられる畳み込みニューラルネットについて、Pythonのプログラムを用いて、構成方法と動作の基礎を紹介します。また、ディープラーニングの現状や、機械学習・ディープラーニングでできることについての考察、および機械学習・ディープラーニングの課題についても取り上げます。
 本講座では、Google Colaboratoryを利用して、お手元のコンピュータ上でPythonプログラムを動作させることで、 プログラミング実習をご体験頂きます。Google Colaboratoryは、Googleのアカウントがあれば、インストール不要かつ無料でPythonのプログラミングを体験することができるツールです。

 講義項目

 

 1 機械学習とは
  1.1 学習と機械学習
   1.1.1 ディープラーニングの成果
   1.1.2 人工知能とは
   1.1.3 機械学習とは
  1.2 機械学習の方法
   1.2.1 進化的計算
   1.2.2 群知能
   1.2.3 強化学習
   1.2.4 ニューラルネットワーク
   1.2.5 ディープラーニング


 2 強化学習
  2.1 強化学習とは
  2.2 Q学習による強化学習の実現


 3 群知能
  3.1 群知能とは
  3.2 蟻コロニー最適化法による群知能の実現


 4 進化的手法による機械学習
  4.1 進化的手法とは
  4.2 遺伝的アルゴリズムの実際


 5 ニューラルネットワークの基礎・構成と使い方
  5.1 人工ニューラルネットワーク
   5.1.1 人工ニューロンのモデル
   5.1.2 ニューラルネットワーク
   5.1.3 ニューラルネットワークの学習
  5.2 バックプロパゲーションによるニューラルネットワークの学習
   5.2.1 バックプロパゲーションの原理
   5.2.2 バックプロパゲーションのアルゴリズム

 6 ディープラーニングと畳み込みニューラルネット
  6.1 ディープラーニングとは
   6.1.1 ディープラーニングの基礎
   6.1.2 ディープラーニングの具体的技術
  6.2 畳み込みニューラルネットワーク
   6.2.1 画像処理と画像フィルタ
   6.2.2 画像フィルタの実際
   6.2.3 畳み込みニューラルネットの概念
   6.2.4 畳み込みニューラルネットの構造
   6.2.5 畳み込みニューラルネットワークの構成方法
   6.2.6 畳み込みニューラルネットによる画像認識
   6.2.7 畳み込みニューラルネットワークの応用


 7 機械学習・ディープラーニングの現状
  7.1 機械学習・ディープラーニングでできること 
  7.2 機械学習・ディープラーニングの課題




 お1人様      受講申込要領 1口(1社3名まで) 受講申込要領 セミナー 総合日程 画像認識 セミナー日程
 新宣伝 セミナー日程