ホーム > マシンラーニングオーバービュー ～AIを支える技術・理論・利用方法を学ぶ～

マシンラーニングオーバービュー ～AIを支える技術・理論・利用方法を学ぶ～

  • Select6
    Select6

コース基本情報

コースタイトル マシンラーニングオーバービュー ～AIを支える技術・理論・利用方法を学ぶ～
コースコード DBC0099G  
コース種別 集合研修 形式 講義＋デモ
期間 1日間 時間 9:30～17:30 価格(税込) 71,500円(税込)
主催 トレノケート
日程 会場 空席状況 実施状況 選択

2020年4月22日(水) ～ 2020年4月22日(水)

オンラインLive

  空席あり

2020年5月8日(金) ～ 2020年5月8日(金)

オンラインLive

  空席あり

2020年5月22日(金) ～ 2020年5月22日(金)

新宿LC

  空席あり

実施確定

2020年6月4日(木) ～ 2020年6月4日(木)

オンラインLive

  空席あり

2020年6月19日(金) ～ 2020年6月19日(金)

新宿LC

  空席あり

2020年7月3日(金) ～ 2020年7月3日(金)

新宿LC

  空席あり

2020年8月17日(月) ～ 2020年8月17日(月)

新宿LC

  空席あり

2020年8月25日(火) ～ 2020年8月25日(火)

名古屋LC

  空席あり

2020年9月11日(金) ～ 2020年9月11日(金)

新宿LC

  空席あり

2020年9月24日(木) ～ 2020年9月24日(木)

大阪LC

  空席あり

2020年10月7日(水) ～ 2020年10月7日(水)

新宿LC

  空席あり

2020年11月6日(金) ～ 2020年11月6日(金)

新宿LC

  空席あり

2020年11月13日(金) ～ 2020年11月13日(金)

名古屋LC

  空席あり

2020年12月4日(金) ～ 2020年12月4日(金)

新宿LC

  空席あり

2020年12月18日(金) ～ 2020年12月18日(金)

大阪LC

  空席あり

※「キャンセル待ち」でお申し込みの方には、別途メールにてご連絡いたします。
※「実施確定」表示のない日程は、お申し込み状況により開催中止になる場合がございます。
※ トレノケート主催コース以外の空席状況は、残席数に関わらず「お申し込み後確認」と表示されます。
※ トレノケート主催コース以外では、主催会社のお席を確保した後に受付確定となります。

詳しくはお問い合わせください。

ワンポイント

「機械学習が何なのか」、「どのように動いているのか」、「導入・利用するには何が必要なのか」ということを1日で効率的に学習することができます。

【本コースはオンライン対応です】
会場が「オンラインLive」または「教室Live配信」の日程は、PCやタブレット等を通してオンラインでご参加いただけます。
  • オンラインLive：受講者の方はオンラインのみとなります。
  • 教室Live配信：教室・オンラインから受講される方が混在します。

★オンラインLiveトレーニングの詳細はこちら

対象者情報

対象者
・ サービス企画担当者
・ プロジェクトマネージャー
・ システムエンジニア
・ JDLA G検定合格を目指す方
前提条件
□特になし

学習内容の詳細

コース概要
機械学習の種類、アーキテクチャ、実装方法および周辺知識について学習します。AI/機械学習の分野で飛び交う様々な概念や用語を、講義とデモ環境を動かしながら体系的に身に着けるとができます。構築済のデモ環境の操作に関してはプログラミングや数学の知識は不要ですので、これから機械学習を始めるエンジニアだけでなくサービス企画担当者やプロジェクトマネージャーなど幅広い職種の方にもおすすめです。また、日本ディープラーニング協会が実施するG検定試験の合格を目指すためのファーストステップとしてもおすすめです。
学習目標
● 機械学習の概要を理解する
● 機械学習のアルゴリズムと要素技術の概要を理解する
● 機械学習の実装方法と利用方法を理解する
学習内容 
1. 機械学習の概要
 ・人工知能、機械学習、深層学習
 ・機械学習の実装例
 ・機械学習と従来型プログラム
 ・機械学習の主な種類

2. 教師あり学習
 ・教師あり学習の概要
 ・教師データ
 ・線形回帰
 ・ロジスティック回帰
 ・サポートベクタマシン
 ・決定木
 ・ランダムフォレスト
 ・ニューラルネットワーク

3. ニューラルネットワーク
 ・ニューラルネットワークの概要
 ・ニューラルネットワークの構成要素
 ・順伝播と逆伝播
 ・畳み込みニューラルネットワーク (CNN)
 ・CNNによる画像分類、物体検出、セグメンテーション
 ・再帰型ニューラルネットワーク (RNN)
 ・RNNによる時系列データ、自然言語処理

4. 教師なし学習
 ・教師なし学習の概要
 ・クラス分類とクラスタリング
 ・階層型クラスタリング
 ・k-means法
 ・主成分分析 (PCA)
 ・オートエンコーダー
 ・GAN (Generative Adversarial Networks)

5. 強化学習
 ・強化学習の概要
 ・Q学習 (Q-Learning)
 ・DQN (Deep Q-Network)

6. 機械学習の利用と実装
 ・機械学習のビルディングブロック
 ・データの前処理
 ・機械学習の予測精度向上手法
 ・ライブラリとフレームワーク
 ・機械学習のクラウドサービス
 ・データセットの入手
 ・学習済モデル

実習/演習内容詳細

ソフトウェア/ハードウェア
特になし
実習/演習/ デモ内容
・重回帰分析
・ロジスティック回帰
・決定木
・ランダムフォレスト
・サポートベクタマシン
・ニューラルネットワーク
・SSD(Single Shot Multibox Detector)
・セマンティック セグメンテーション
・RNNによる株価予測
・RNNによる機械翻訳
・階層化クラスタリング
・k-means
・主成分分析(PCA)
・オートエンコーダーによる特徴抽出とノイズ除去
・GANによる画像生成
・Q学習(Q-Learning)
・DQN(Deep Q-Network)
・CPU_GPU速度比較