オンライン視聴による事前学習を行うことで
セミナー内容の理解が深まり合格率が上がります。
※「オンライン事前学習」はお申し込み後すぐに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（3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）

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