Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
コース概要
1日目:
基本 Machine Learning
モジュール-1
導入:
- 演習 – Python および NN ライブラリのインストール
- なぜ機械学習なのか?
- 機械学習の簡単な歴史
- ディープラーニングの台頭
- 機械学習の基本概念
- 分類問題の視覚化
- 決定境界と決定領域
- iPython ノートブック
モジュール-2
- 演習 – 決定領域
- 人工ニューロン
- ニューラル ネットワーク、順伝播、ネットワーク層
- アクティベーション関数
- 演習 – 活性化関数
- 誤差の逆伝播
- 過小適合と過適合
- 補間と平滑化
- 外挿とデータの抽象化
- 機械学習における一般化
モジュール-3
- 演習 – 過小適合と過適合
- トレーニング、テスト、検証セット
- データバイアスと負の例の問題
- バイアス/分散のトレードオフ
- 演習 – データセットとバイアス
モジュール-4
- NN パラメータとハイパーパラメータの概要
- ロジスティック回帰問題
- コスト関数
- 例 – 回帰
- 古典的な機械学習と深層学習
- 結論
2 日目: 畳み込み Neural Networks (CNN)
モジュール-5
- CNN の紹介
- CNN とは何ですか?
- Computer ビジョン
- 日常生活における CNN
- 画像 – ピクセル、色と空間の量子化、RGB
- 畳み込み方程式と物理的意味、連続と離散
- 演習 – 1D 畳み込み
モジュール-6
- フィルタリングの理論的根拠
- 正弦波の合計としての信号
- 周波数スペクトル
- バンドパスフィルター
- 演習 – 周波数フィルタリング
- 2D畳み込みフィルタ
- パディングと歩幅
- バンドパスとしてフィルターする
- テンプレートマッチングとしてフィルタリングする
- 演習 – エッジ検出
- 局所的な周波数分析のためのガボール フィルター
- 演習 – レイヤ 1 マップとしてのガボール フィルター
モジュール-7
- CNN アーキテクチャ
- 畳み込み層
- 最大プーリング層
- レイヤーのダウンサンプリング
- 再帰的なデータの抽象化
- 再帰的抽象化の例
モジュール-8
- 演習 – 基本的な CNN の使用法
- ImageNet データセットと VGG-16 モデル
- 特徴マップの視覚化
- 特徴量の意味の可視化
- 演習 – 特徴マップと特徴の意味
3日目: シーケンスモデル
モジュール-9
- シーケンスモデルとは何ですか?
- なぜモデルをシーケンスするのでしょうか?
- 言語モデリングの使用例
- 時間内のシーケンスと空間内のシーケンス
モジュール-10
- RNN
- リカレントアーキテクチャ
- 時間の経過による逆伝播
- 消えるグラデーション
- GRU
- LSTM
- ディープ RNN
- 双方向RNN
- 演習 – 単方向 RNN と双方向 RNN
- サンプリングシーケンス
- シーケンス出力予測
- 演習 – シーケンス出力の予測
- 単純な時変信号の RNN
- 演習 – 基本的な波形検出
モジュール-11
- Natural Language Processing (NLP)
- Word 埋め込み
- Word ベクトル: word2vec
- Word ベクター: GloVe
- 知識の伝達と単語の埋め込み
- 感情分析
- 演習 – Sentiment Analysis
モジュール-12
- バイアスを定量化して除去する
- 演習 – 偏見を取り除く
- 音声データ
- ビームサーチ
- 注目モデル
- 音声認識
- トリガーワード検出
- 演習 – Speech Recognition
要求
このコースに参加するために必要な特別な要件はありません。
21 時間