- AI(人工知能)に脅かされないために、AI(人工知能)を作る側の人間になる -

前提スキル・知識は必要ありません。
不安な方は初回の講義の前に、事前学習を視聴してから受講することをお勧めしております。

事前学習を視聴することで
セミナー内容の理解が深まり合格率が上がります。
※「事前学習」はお申し込み後マイページから視聴できます。

• AIに必要な数学の基礎知識（1時間）
• ビジネス向けディープラーニング基礎知識（3時間）
• Pythonのプログラミング基礎スキル（3時間）
• 応用数学（1.5時間）

AIや機械学習に必要な応用数学と機械学習について学習します。

応用数学

• 線形代数・特異値分解
• 確率・統計(確率分布・ベイズ則等)
• 情報理論(シャノンエントロピー、KLダイバージェンス、交差エントロピー等)

機械学習 1日目

• 教師あり学習アルゴリズム(ロジスティック回帰、SVM、最近傍法、k近傍法、ランダムフォレスト、確率的勾配降下法等)
• 教師なし学習アルゴリズム(主成分分析(PCA)、k平均クラスタリング等)
• 最尤推定・対数尤度・平均二乗誤差
• 次元の呪い
• 半教師あり学習・マルチタスク学習
• バギングやその他のアンサンブル手法
• 性能指標(精度、適合率、再現率、F値、ROCカーブ、AUCスコア)

機械学習の仕組みやニューラルネットワークについて学習します

機械学習 2日目

• 過剰適合、過少適合、早期終了
• 検証集合(ホールドアウト法、k-分割交差検証法等)
• ハイパーパラメーター調整(グリッドサーチ、ランダムサーチ等)
• L1正則化・L2正則化
• ドロップアウト
• データ集合の拡張
• スパース表現

ニューラルネットワーク

• 最尤推定による条件付き分布の学習
• 隠れユニットの活性化関数(ロジスティックシグモイド、ハイパボリックタンジェント、ReLu等)
• 出力ユニットの活性化関数(線形、シグモイド、ソフトマックス等)
• 誤差逆伝搬法およびその他の微分アルゴリズム(計算グラフ、微積分の連鎖律、誤差逆伝播法)
• バッチアルゴリズムとミニバッチアルゴリズム
• 最適化アルゴリズム(Momentum、ネステロフのモメンタム、AdaGrad、RMSprop、Adam等)
• 最適化戦略(バッチ正規化、Layer正規化、Instance正規化、教師あり事前学習)

畳み込みニューラルネットワークや画像識別・生成のモデル、
自然言語処理について学習します。

畳み込みニューラルネットワーク

• 畳み込み処理
• プーリング
• 特徴量の転移

画像識別モデル

• 画像認識(AlexNet、VGG、GoogLeNet、ResNet、MobileNet、DenseNet等)
• 画像の検知(R-CNN、SPP-net、Fast R-CNN、Faster R-CNN、YOLO、SSD)
• セマンティックセグメンテーション(FCN、SegNet、U-net)

画像生成モデル

• オートエンコーダ、VAE、DCGAN、ConditionalGAN、CycleGAN、pix2pix等

自然言語処理

• テキストクリーニング
• 形態素解析
• Word Embedding(Bag of Words、Word2Vec、Doc2Vec)

回帰結合型のニューラルネットワークや強化学習など、
応用的な機械学習の技術を学習します。

回帰結合型のニューラルネットワーク

• 双方向RNN
• Encoder-DecoderとSequence-to-Sequence
• 深層回帰結合型ネットワーク、再帰型ニューラルネットワーク
• 長期依存性(勾配のクリッピング)
• Leakyユニットとその他の手法(スキップ接続、Leakyユニットと異なる時間スケールのスペクトル、接続の削除)
• ゲート付きRNN(LSTM、GRU)
• Attention
• Transformer
• WaveNet

強化学習

• 方策勾配法、価値反復法
• 強化学習の仕組み(Q学習、DQN、DDQN、Dueling DQN等)

AlphaGo

• ロールアウトポリシー、SLポリシーネットワーク、RLポリシーネットワーク、バリューネットワーク、モンテカルロ法

軽量化技術

• 量子化、蒸留、プルーニング

分散処理

• モデル並列、データ並列、GPU

講座受講後

• 講座受講後もご自身で復習していただけるよう、受講した講座はオンライン動画でマイページから視聴可能となっております。
• AI研究所オリジナルのE資格完全攻略ガイドや試験直前まで使える暗記用テキストも配布いたしますので、試験直前まで自習していただけます。