ディープラーニングハンズオンセミナー

・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

・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・然語処理と 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

<1日目>
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
環境構築
　・Microsoft Azure で VM 作成
　・VMへの接続
　・Nvidia-Docker で GPU 環境構築
復習テスト(数学)
　・微分
　・線形代数
　・確率統計
復習テスト(Python)
　・基礎
　・応用編(Class)
　・Pandas
　・Matplotlib と Seaborn
ディープラーニングの数学
　・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
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
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
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
　・評価指標の追算出
　・ログの記録
　・検証とテストの実装

<2日目>
オープニング
　・Docker の起動
　・Day 1 の振り返り
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
回帰の実装
　・演習形式で回帰の実装
画像処理の基礎
　・Pillow の使い方
　・OpenCV の使い方
　・フィルタ処理
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
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
画像分類
　・CNN の定義と学習
　・学習済みモデルの保存と推論
性能改善
　・ファインチューニング
　・データ拡張

<3日目>
オープニング
　・Docker の起動
　・Day 2 の振り返り
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
　・再起型ニューラルネットワーク
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
再起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
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
自然言語処理の実装
　・形態素解析
　・名刺抽出の実装
　・特徴量変換の実装
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
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
　・スキルチェックリスト
　・アンケート

※学習時間目安

(1)事前学習動画の視聴(標準視聴目安時間:495分)

(2)オンライン研修の受講(3日間)

(3)補講動画の視聴(標準視聴目安時間:17時間)