ホーム > ディープラーニングハンズオンコース(E資格対策コース)

ディープラーニングハンズオンコース(E資格対策コース)


期間  3日間 時間  9:30~17:30
価格(税込)  165,000円(税込) 主催  株式会社キカガク
コース種別  集合研修  
形式  事前学習+講義+実機演習 コースコード  MAC0017R
日程 会場 空席状況 実施状況 選択

2024年11月19日(火) ~ 2024年11月21日(木)

Kikagaku(オンライン)

  お問い合わせください

2024年12月24日(火) ~ 2024年12月26日(木)

Kikagaku(オンライン)

  お申し込み後確認

2025年1月29日(水) ~ 2025年1月31日(金)

Kikagaku(オンライン)

  お申し込み後確認

2025年2月26日(水) ~ 2025年2月28日(金)

Kikagaku(オンライン)

  お申し込み後確認

2025年3月26日(水) ~ 2025年3月28日(金)

Kikagaku(オンライン)

  お申し込み後確認

2025年4月23日(水) ~ 2025年4月25日(金)

Kikagaku(オンライン)

  お申し込み後確認

2025年5月28日(水) ~ 2025年5月30日(金)

Kikagaku(オンライン)

  お申し込み後確認

2025年6月25日(水) ~ 2025年6月27日(金)

Kikagaku(オンライン)

  お申し込み後確認

※「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。
※ お申込期日が過ぎた日程は、「お問い合わせください」と表示されます。
※ 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。
お申込みに関するお問い合わせはこちらから

ワンポイントアドバイス

一般社団法人日本ディープラーニング協会(Japan Deep Learning Associate)認定!3日間で体系的に学べる人気セミナーです。

本講座では、ディープラーニングを用いた主要技術である、画像処理・時系列解析・自然言語処理を扱い、それぞれ実装していきます。

「数学が苦手・プログラミングをやったことがない」という方でも、事前にお配りする予習動画で中学数学、プログラミングの基礎から解説しますので、ついていけないという心配はありません。

「AIで何ができるのか知りたい」「AIの技術を事業に取り入れたい」という方がディープラーニングを実務で活用していくための第一歩に最適な講座になっています。


●本研修は受講前にeラーニングの事前学習(9時間)が必要です。本研修の研修時間(21時間)と合わせ、合計30時間の学習時間となります。
eラーニングの視聴に関するご案内は、受講日の2週間前から1週間前までを目安にご案内いたします。(キカガク社から直接のご連絡となります。)


●ご受講時には、以下のスペックを満たすPCのご用意をお願いいたします。

・Pythonの環境構築を終えていること

・Google Chromeがインストールされている あるいは インストール可能なこと 


●E資格受験プランの流れ:

1. 事前学習の後、3日間のセミナーをご受講ください。

2. セミナー受講後、補講動画をご視聴ください。

3. 補講動画を修了されましたら、ご自身でE資格にお申し込みください。

※大変恐れ入りますが、補講動画についての質問は原則として受付できませんので、ご了承ください。


・弊社経由で他社主催研修へお申込みの場合、弊社が「訓練の実施機関」ではないため、人材開発支援助成金の申請書類にトレノケートは署名できません。「主催」欄をご確認ください。本研修コースはトレノケート経由のお申込では人材開発支援助成金の申請ができない旨を予めご了承のうえ、お申込みください。

重要なご連絡・ご確認事項

実施環境: 
 ・Zoom 
オンライン講義の場合には、オンラインツールである Zoom を使用しております。 事前に Zoom アプリケーションのダウンロードとインストールをお願いいたします。 インストール方法は、以下のリンク先(公式ページ)URL を参照ください。

 ・Google Chrome 
ご受講には Google Chrome ブラウザの使用を推奨しております。
事前にダウンロードとインストールをお願いいたします。
インストール方法は、以下のリンク先(公式ページ)URL を参照ください。
URL : https://support.google.com/chrome/answer/95346?hl=ja&co=GENIE.Platform%3DDesktop

 ・Microsoft Azure 
深層学習の実装環境には、Microsoft Azure を使用いたします。
事前にアクセス確認をお願いいたします。
アクセスの確認方法は以下のリンク先 URL を参照ください。
URL:https://goldenrod-wren-7d3.notion.site/Azure-2b1b7fc212914e51869517ae35c36bc8

 ・教材 
  Web 教材 ※ 講義内で当日に配布 

 その他: 
・プラットフォームへの登録について コースへお申込をされますと、株式会社キカガクが管理するプラットフォームに以下の情報が登録されます。 なお、プラットフォームへ登録された情報は、受講連絡、お問合せ対応、修了状況の確認等に利用いたします。 
【登録される情報】 ・申込者氏名 ・申込者メールアドレス ・会社名 ・住所情報 ・電話番号

対象者情報

対象者
・E資格を取得して、エンジニアとしてのキャリアを一歩先に進みたい方
・機械学習・ディープラーニングなどの AI 技術について、関連する数学も含めて体系的に学びたい方
・AI 案件を任されるようになり実務をこなすための基礎を身に付けたい方
前提条件
□AI に関する基礎知識
□Python による基礎プログラミング
□Python を使用した機械学習の基礎実装

※ 上記は事前学習でご用意しています。事前学習の実施は必須となっています。

学習内容の詳細

コース概要
機械学習・深層学習(画像処理・自然言語処理)の理論と実装をハンズオン形式で学ぶ講座です。

カリキュラム概要:
・Azure を使用した環境構築
・復習テスト(数学 / Python)
・ニューラルネットワークの数学
・ニューラルネットワークの実装
・画像処理
・時系列処理
・自然言語処理
学習目標
● 深層学習の仕組みを理解し、実務での活用方法がイメージできる状態
● 深層学習を使用した画像・⾃然⾔語処理と AI モデル構築を実装できる状態
● AI モデルの精度向上に向けた試行錯誤の方法を理解し、実装できる状態
学習内容
Day1:
1. イントロダクション
  - 人工知能
  - 学習と推論
  - 機械学習
  - ディープラーニング
  - 機械学習の開発フロー

2. 環境構築
  - Microsoft Azure で VM 作成
  - VM への接続
  - Nvidia-Docker で GPU 環境構築

3. 復習テスト(数学)
  - 微分
  - 線形代数
  - 確率統計

4. 復習テスト(Python)
  - 基礎
  - 応用編(Class)
  - Pandas
  - Matplotlib と Seaborn

5. ディープラーニングの数学1
  - ニューラルネットワークの構造
  - 順伝播の計算
  - 逆伝播の計算

6. PyTorch 入門
  - PyTorch とエコシステム
  - ネットワークの定義と順伝播の計算

7. ネットワークの学習
  - データセットの準備
  - データセットの分割
  - ネットワークの学習
  - 評価指標の追加

8. PyTorch Lightning による簡略化
  - PyTorch Lightning とは
  - データの準備
  - ネットワークの定義と学習
  - 評価指標の算出
  - ログの記録
  - 検証とテストの実装

Day2:
9. オープニング
  - Docker の起動
  - Day1 振り返り

10. 分類の実装
  - 分類の実装
  - 早期終了の実装
  - 精度向上の実装
  - 学習済みモデルを使用した推論

11. 回帰の実装
  - 演習形式で回帰の実装

12. 画像処理の基礎
  - Pillow の使い方
  - OpenCV の使い方
  - フィルタ処理

13. 画像処理の理論
  - 画像の基礎
  - CNN 以前の画像処理
  - 畳み込みの計算
  - パディング処理
  - プーリングの計算
  - CNN の流れ

14. 畳み込みニューラルネットワークの実装
  - 画像データの扱い方
  - 畳み込み処理の実装
  - プーリング処理の実装
  - ベクトル化の実装

15. 画像分類
  - CNN の定義と学習
  - 学習済みモデルの保存と推論

16. 性能改善
  - ファインチューニング
  - データ拡張

Day3:
17. オープニング
  - Docker の起動
  - Day2 振り返り

18. 時系列解析の理論
  - 時系列データとは
  - 時系列データの構造
  - 再帰型ニューラルネットワーク

19. 時系列解析の基礎
  - 時系列データの取得
  - 時系列データの可視化
  - Prophet を使用した時系列解析

20. 再帰型ニューラルネットワークの実装
  - LSTM を使用した株価予測
  - 複数日データを使用した実装
  - 複数 LSTM で実装

21. 自然言語処理の理論
  - 自然言語処理とは
  - カウントベース手法の理論

22. 自然言語処理の基礎
  - 形態素解析
  - 名詞抽出の実装
  - 特徴量変換の実装

23. 文書分類
  - 自然言語処理モデルの定義と学習
  - 自然言語処理の特徴量を変更しての実装

24. アウトロダクション
  - おすすめ学習書籍やコンテンツの紹介
  - スキルチェックテスト
  - アンケート

実習/演習内容詳細

ソフトウェア
ハードウェア
ご受講時には、以下のスペックを満たすPCのご用意をお願いいたします。
・外部Wifiに接続可能なこと
・Pythonの環境構築を終えていること
・Google Chromeがインストールされている あるいは インストール可能なこと
ご持参が難しい場合、お申込時備考欄に「PC利用希望」を必ず記載してください。

ご注意・ご連絡事項

・本コースは、株式会社キカガク主催のコースです。
・ご受講前に必ず当社Webサイトにて最新のコース内容をご確認ください。
・受講予定のお客様が所定の人数に満たない場合には、コースの開催を中止させていただく場合がございます。
最終無償キャンセル受付日:各レッスン開始日の15日前
※当該日が祝日や年末年始休暇等にあたる場合は、その1営業日前に前倒しとなります。
※締切日を過ぎてのキャンセル(全日程欠席の場合を含む)は、キャンセル料として受講料の全額をお支払いいただきます。
セミナーの受講に際して株式会社キカガクのセミナー受講規約をご確認ください。
URL:https://github.com/kikagaku/kikagaku-seminar_kiyaku
なお、コースお申し込み完了時点でセミナー受講規約に同意したものとみなします。