定員

こちらのセミナーは、お申込みを締め切りました。 ご応募頂いた方につきましては、9月5日に抽選結果を発表予定ですので、もうしばらくお待ち下さい。

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

概要

【無料】AIトレーニング

2017年9月11(月)、 12(火)、 13(水)、21(木)、22(金) に、 有限会社サイバースペースの 清野 克行氏を講師に迎え、 TensorFlow によるディープラーニング解説と実践で、AIの学習トレーニングを 目的とした講座を開設します。

ハンズオンあり、5日間の講座を無料で受講できるお得なチャンスです。 ぜひお見逃しなく！

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

5日間全て参加できる方を対象としています。

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

日程

2017年9月11(月)、 12(火)、 13(水)、
21(木)、22(金)
10:00〜17:30 (全５日間、前半3日と後半2日の間が1週間空きますのでご注意ください)

対象

• 5日間の参加が可能なこと
• 社会人の方

定員

15名 ※定員を超える多数のご応募があった場合は、抽選を行わせていただきます。 ※8月31日申し込み締め切り、9月5日に抽選結果をお送りします。

費用

• 無料

講師

清野 克行氏　　有限会社サイバースペース
（應義塾大学工学部電気科卒。日本IBM、日本HPなどにおいて、製造装置業を中心とした業務系／基幹業務系システムのSE／マーケティングや、3階層C/Sアーキテクチャによる社内業務システム開発などに携わる。現在は、Ajax/Web 2.0関連のセミナー講師／コンサルティング、書籍執筆などを行っている。情報処理学会会員。）

前提知識

• プログラミング経験があること（念のため Python 基礎は行います）
• 数学基礎知識（線形代数、確率・統計、微分・積分）があること

持ち物

• WiFi 接続可能なラップトップPC (電源と WiFi は会場にございます。)
• PCは基本お持ちいただく前提ですが、貸出をご希望の方は用意がございますのでお申込みフォームの貸出希望欄にチェックを入れてください。

受付

• 9:30より受付を開始します。
• 受付にてお名刺1枚をお渡しください。
• 当日の問合せ先：株式会社トップゲート 03-5840-8815

カリキュラム内容

TensorFlow によるディープラーニング解説と実践

I] 人工知能技術
I-1人工知能概論
I-2　人工知能技術の先導的知識
　　１）AIとコンピュータービジョン
　　２）AIとロボティクス
　　３）AIと認知科学
　　４）AIと脳科学
　　５) AIとオントロジー
　　６）AIエージェント

I-3　人工知能技術と先端IT技術
　　１）AIとIoT
　　２）AIとビッグデータ
　　３）AIとクラウド
　　４）AIとGPU
　　５）AIと スーパーコンピューター
　　６）AIと量子コンピューター

AI関連技術と適用領域/開発・運用コスト

II] AI利用の現状
1）ビジネス
キユーピー、グーグルの深層学習による原料検査で生産性2倍に
量子コンピュータで広告配信を最適化する--リクルートが研究に本腰

2）医療
人工知能は難病の「早期発見」をどう変えたのか
IBMの人工知能「ワトソン」、医者が思いもよらぬ治療法を続々発見
症状が出る前にAIが診断--IBMが取り組む医療の変革
抗がん剤を開発する研究。
富士通 人工知能技術で医師の迅速な意思決定を支援
3)教育
社員教育は人工知能がやる時代。
４）言語
Google翻訳

パーソナル・アシスタント・システム
AI技術を構成する複数の流れ
TensorFlowの普及率は他を圧倒している

III] Python言語の基礎
　1）PythonとC言語
　2）算術演算
　3）データ型
　　a）リスト（List）
　　b）Dictionary
　　c）Boolean
　4）関数
　5）クラス
　6）数値計算ライブラリNumpy

IV] TensorFlow
５．１TensorFlowとは
TensorFLowが利用可能な用途
TensorFlowの利点と欠点-1
TensorFlowの実行環境構築
１)　Windows (ローカルPC)
２)　Compure Engine(IaaSクラウド)
３） Google Cloud Machine Learning
大規模な予測分析
機械学習モデルを簡単に構築
フルマネージドのサービス
ディープ ラーニング機能

deeplean.js
機械学習のためのJavaScriptライブラリ

コーディング不要のディープラーニング開発ツール

V]　Neural Networkニューラルネットワーク
ＡＩ技術を構成する複数の流れ
機械学習とディープラーニング
ニューラル・ネットワークとその表現
コンピュータに人間のような学習をさせる
ニューロンはいつ発火するのか？
ニューラルネットワークの利点と欠点
機械学習とディープラーニングの違い
ニューラルネットワークとパーセプトロン
パーセプトロン
　1）単純パーセプトロン
　2）単純パーセプトロンの限界
　3）多層パーセプトロン
　4）線形関数と非線形関数


単純パーセプトロン
AND
NAND
OR
XOR（単純パーセプトロンの限界）
多層パーセプトロン
線形、非線形の違い
線形分離可能
線形関数と非線形関数
線形関数と非線形関数の紛らわしさ
ロジスティック回帰（logistic regression）
一つのニューロンの内部の状態の表現
複数のニューロンの動きを考える
2）活性化関数
　　a）シグモイド関数
　　b）ステップ関数
　　c）ランプ関数ReLU(RectifiedlinearUnit）
　3）3層ニューラルネットワークの実装(パーセプトロン）
　　a）多次元配列の計算
　　b）行列の内積（ドット積）
　4）3層ニューラルネットワークの実装
　　a）入力層から第１層への信号の伝達
　　b）第１層から第２層への信号の伝達
　　c）第２層から出力層への信号の伝達
　5）出力層の設計
　　a）恒等関数
　　b）ソフトマックス関数
　6）ロジステック回帰
　7）One-Hot-Vector
　8）バックプロパゲーション


主なニューラルネットワーク
フィールドフォワードニューラルネット ワーク
畳み込みニューラルネットワーク
再帰ニューラルネットワーク

VI] TensorFlowプログラミング
VI-1　TensorFlowプログラミングの基本
　１）1つのニューロン層の場合
　２）2層からなるグラフのプログラム
　３）3層からなるグラフのプログラム
　４）パラメーター（重みとバイアス）の最適化方法

VI-2 TensorFlowサンプルプログラム
１次元テンソルを定義する
２次元テンソルを定義する
テンソルで数学を行う
３次元テンソルを定義する
TensorFlowを使用した切り抜き画像の切り抜き
TensorFlowを使った画像の転置

　1）ニューラルネットワークのパラメータ最適化
　2）相関と回帰
　3）線形回帰
　4）損失関数（LossFunction）
　5）Gradientdescent勾配降下法
　　a）サンプル線形回帰を使用
　　b）サンプルシグモイド関数を使用
　VI-3 畳み込みニューラルネットワークCNN = ConvolutionalNeuralNetworks
　7）MNISTサンプル
　8）多層畳み込みネットワークの構築
　9）バックプロパゲーション（Backpropagation）誤差逆伝播法
　10）CIFAR-10サンプル
CIFAR10.PY、CIFAR10_INPUT.PY
　11) CIFAR-100サンプル
　VI-4 再帰型ニューラルネットワーク = RNN（RecurrentNeuralNetworks）
Bidirectional RNN
LSTM: Long short-term memory
sample8 rnn.py
　12）ディープニューラルネットワーク = DNN（DeepNeuralNetworks）

注意事項など

• ※定員を超える多数のご応募があった場合は、抽選を行わせていただきます。
• ※時間は予定です。
• ※内容は受講者等の状況により変更されることがあります
• ※最小催行人数10名を下回る場合は、開催を見送る場合がございます。
• ※研修中の食事等は自己負担となります。また、宿泊される場合は各自でご手配ください。
• ※会場は禁煙です。
• ※当日はカジュアルな服装で結構ですが、お名刺を忘れずにご持参ください。

お問合せ先

株式会社トップゲート
トレーニング 運営事務局
〒113-0033 ​東京都文京区本郷3-40-11 柏屋ビル4F

電話：03-5340-8815
FAX：03-5840-8816