お問い合わせを送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
コース概要
深層学習入門
- 深層学習とは何か、従来の機械学習との違いについて説明する。
- コンピュータビジョンや自然言語処理をはじめとする現実世界での応用例を紹介する。
- 深層学習のエコシステム：TensorFlow 2.x、Keras、PyTorchの概要について説明する。
- GPU対応の開発環境のセットアップ方法を解説する。
深層学習の仕組み
- 人工ニューロン、活性化関数、ネットワークレイヤーの役割について説明する。
- 順伝播処理と予測値の算出方法を解説する。
- 分類および回帰タスク用の損失関数について説明する。
- 最急降下法による最適化や誤差逆伝播法の仕組みについて述べる。
- MNISTデータセットを用いて初めてのニューラルネットワークを訓練する実習を行う。
コンピュータビジョン向け畳み込みニューラルネットワーク
- 畳み込み処理、フィルタ、特徴マップの役割を説明する。
- プーリング層および次元削減技術について解説する。
- LeNetやVGG、ResNetといった主要なCNNアーキテクチャの仕組みについて述べる。
- 画像分類用にCNNを構築・訓練する実習を行う。
- 学習で得られた特徴や中間層の反応状態を可視化して確認する。
データ拡張とモデル精度向上
- 過学習抑制や汎化能力改善にデータ拡張がなぜ有効であるかを説明する。
- 回転・反転・ズーム・切り取りといった画像変換手法について述べる。
- Kerasの前処理レイヤー機能を用いたデータ拡張パイプラインの実装方法を解説する。
- ドロップアウトやバッチ正規化といった正則化手法について説明する。
- 検証指標の監視および早期停止機能による訓練管理の方法を述べる。
事前学習済みモデルを用いた転移学習
- 転移学習の仕組みおよびなぜ効果的であるかを説明する。
- Keras ApplicationsからResNetやEfficientNet、MobileNetといった事前学習済みモデルを読み込む方法について述べる。
- ベースレイヤーを固定した上で新しい分類器の訓練を行う特徴抽出手法について説明する。
- ドメイン適応を目的に特定レイヤーのロック解除と微調整を行う方法を解説する。
- 限られた学習データ量でも高い精度が得られる仕組みについて述べる。
再帰型ネットワークと時系列モデリング
- 時系列データおよび時間的依存性の概念を紹介する。
- 再帰型ニューラルネットワーク（RNN）および勾配消失問題について説明する。
- LSTMやGRUといった長期依存的な情報処理に適したセルの役割を解説する。
- 文字単位でのテキスト生成モデルを訓練する実習を行う。
- Word EmbeddingおよびKerasにおけるEmbeddingレイヤーの機能について述べる。
自然言語処理の基礎
- トークン化、パディング、語彙作成などのテキスト前処理手法を説明する。
- RNNおよびLSTMを用いたテキスト分類モデルの構築方法について述べる。
- 機械翻訳の基礎となるシーケンス・ツー・シーケンス型モデルについて説明する。
- 現代NLPにおける重要要素であるアテンション機構の役割を解説する。
- TensorFlow 2.xで利用可能なテキスト処理APIによる実践的な自然言語処理手法を示す。
最終課題：画像説明文生成システムの構築
- 複数モダリティを扱うアーキテクチャとしてコンピュータビジョンと自然言語処理技術を組み合わせる。
- 事前学習済みCNNエンコーダを用いて画像の特徴量を抽出する方法を示す。
- LSTMベースのデコーダを用いた説明文生成処理の実装手順を解説する。
- KerasのFunctional APIを活用した複数入力レイヤーの統合方法について述べる。
- エンドツーエンドの画像説明文生成パイプラインの訓練および評価手法を示す。
今後の学習ステップと参考情報
- TensorFlow Servingを用いた訓練済みモデルの展開方法について説明する。
- トランスフォーマーアーキテクチャおよび大規模言語モデルの概要を紹介する。
- NVIDIA DLIが提供する高度なワークショップや資格取得プログラムについて述べる。
- 関連コミュニティ情報、利用可能なデータセット、プロジェクト事例などを紹介する。
要求
- Pythonプログラミングに関する基本的な知識（関数、ループ、辞書、配列など）。
- 変数や条件分岐、データ構造といったプログラミングの基本概念を理解していること。
- 深層学習や機械学習に関する事前知識は必須ではない。
対象者
- AIおよび機械学習分野へ転身を目指すソフトウェア開発者やエンジニア。
- 深層学習のスキルを習得したいデータ分析担当者やデータサイエンティスト。
- ニューラルネットワークモデルの仕組みと応用方法を知りたい技術専門家。
- 深層学習の基礎を学び始めた学生や研究者。
8 時間
お客様の声 (2)
このトレーニングは組織的で計画的に実施され、私は系統立てられた知識と、取り組んだトピックの全体像を把握して終えることができました。
Magdalena - Samsung Electronics Polska Sp. z o.o.
コース - Deep Learning with TensorFlow 2
機械翻訳
CHAT GPTを使って遊ぶ時間を取り入れた終わりの部分がとても良かったです。ただし、部屋の設定は最適ではありませんでした。大きなテーブルではなく、小さなテーブルをいくつか用意して、小さなグループでブレインストーミングを行うことができるようにするとより良かったでしょう。
Nola - Laramie County Community College
コース - Artificial Intelligence (AI) Overview
機械翻訳
