【中止】機械学習の基礎と業務活用のための問題設計 ～機械学習・深層学習の基礎理解から始める業務活用への取り組み～

近年のAIの主流である機械学習・深層学習の基礎を、
しっかり理解出来ます！

Pythonの機械学習ライブラリを用いた実装例を紹介し、簡単なプロトタイプが作れるようになることを目指します。

セミナー講師

 長谷川 達人 先生   福井大学 工学部　電気電子情報工学科 准教授

セミナー受講料

【オンラインセミナー（見逃し視聴なし）】：1名47,300円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき36,300円

【オンラインセミナー（見逃し視聴あり）】：1名52,800円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき41,800円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

配布資料・講師への質問等について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）。
  ※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• 当日、可能な範囲で質疑応答も対応致します。
  （全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
• 本講座で使用する資料や配信動画は著作物であり、
  無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

下記ご確認の上、お申込み下さい

• PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
• ご受講にあたり、環境の確認をお願いしております（20Mbbs以上の回線をご用意下さい）。
  各ご利用ツール別の動作確認の上、お申し込み下さい。
• 開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。

Zoomを使用したオンラインセミナーとなります

• ご受講にあたり、環境の確認をお願いしております。
  お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
  → 確認はこちら
  ※Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
• Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です。
  ※一部のブラウザは音声（音声参加ができない）が聞こえない場合があります。
  　必ずテストサイトからチェック下さい。
  　対応ブラウザーについて(公式) ;
  　「コンピューターのオーディオに参加」に対応してないものは音声が聞こえません。

申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です

• 開催5営業日以内に録画動画の配信を行います（一部、編集加工します）。
• 視聴可能期間は配信開始から1週間です。
  セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
  尚、閲覧用のURLはメールにてご連絡致します。
  ※万一、見逃し視聴の提供ができなくなった場合、
  （見逃し視聴有り）の方の受講料は（見逃し視聴無し）の受講料に準じますので、ご了承下さい。
  →こちらから問題なく視聴できるかご確認下さい（テスト視聴動画へ）パスワード「123456」

セミナー趣旨

　AI、機械学習、ディープーラニングという用語をよく聞く時代になりました。本セミナーでは、近年のAIの主流である機械学習・深層学習の基礎を理解し、業務活用に向けた問題設計が行えるようになることを目指します。また、Pythonの機械学習ライブラリを用いた実装例を紹介し、簡単なプロトタイプが作れるようになることを目指します。

受講対象・レベル

・機械学習が気になっているが、学習が進まず困っている方
・手元に分析用のデータがあるが、扱いに困っている方
・機械学習を用いた問題設計を行い、業務改善を行いたい方
・その他、本テーマに興味のある方ならどなたでも受講可能です。

必要な予備知識

・1種類以上のプログラミング言語の使用経験があることが望ましいです。

習得できる知識

・機械学習の基礎知識
・構造化データを用いた教師あり学習の問題設計・実装・評価
・深層学習を用いた画像認識モデルの実装

セミナープログラム

1．機械学習と深層学習の基礎
　・教師あり学習
　・構造化データと非構造化データ
　・データセットと課題の定義
　・応用事例紹介
2．機械学習の実践と評価
　・構造化データの自動分類（プログラム解説）
　・深層学習
　・画像データの自動分類（プログラム解説）
　・モデルの評価
　・業務活用のための問題設計
3．ハイパーパラメータチューニング
　・ハイパーパラメータとは
　・チューニング手法
　・ライブラリを用いた実践（プログラム解説）
4．深層学習の実践
　・転移学習
　・多入力・多出力モデルの実践（プログラム解説）

■講演中のキーワード
　機械学習、深層学習、教師あり学習、ハイパーパラメータ