東京のTensorFlowトレーニング

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、コンピュータビジョンへの理解を深め、Google Colabを使用してTensorFlowで高度なビジョンモデルを開発する能力を探求したい上級レベルの専門家向けです。

このトレーニング終了時には、参加者は以下のことが Able to:

• TensorFlowを使用して畳み込みニューラルネットワーク（CNN）を構築し、訓練します。
• Google Colabを利用してスケーラブルで効率的なクラウドベースのモデル開発を行います。
• コンピュータビジョンタスク向けの画像前処理技術を実装します。
• 実世界アプリケーションにコンピュータビジョンモデルを展開します。
• 転移学習を使用してCNNモデルの性能を向上させます。
• 画像分類モデルの結果を可視化し、解釈します。

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、中級レベルのデータサイエンティストと開発者が Google Colab 環境を使用して深層学習技術を理解し、適用することを目指しています。

このトレーニングの終了時には、参加者は以下のことができるようになります：

• 深層学習プロジェクトのために Google Colab をセットアップし、操作する。
• ニューラルネットワークの基本を理解する。
• TensorFlow を使用して深層学習モデルを実装する。
• 深層学習モデルを訓練し、評価する。
• 深層学習のために TensorFlow の高度な機能を利用する。

このコースは4日間で、AIの基本とその適用方法を紹介します。コース終了後、追加1日の時間を使ってAIプロジェクトに取り組むオプションもあります。

このインストラクター主導のライブトレーニングでは、参加者はPythonライブラリを使用して、一連の画像を処理し、キャプションを生成するアプリケーションを作成します。

このトレーニングの終了時には、参加者は以下のことができるようになります：

• Pythonライブラリを使用してNLPのためのディープラーニングを設計およびコーディングできます。
• 大量の画像コレクションを読み込み、キーワードを生成するPythonコードを作成できます。
• 検出されたキーワードからキャプションを生成するPythonコードを作成できます。

対象者

このコースは、利用可能なツール（主にオープンソース）を使用してコンピュータ画像を分析することに関心のあるディープラーニングの研究者やエンジニア向けです。

本コースでは実践的な例を提供します。

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）では、データサイエンティストがTensorFlowを用いて潜在的な不正データを分析することを目指しています。

本トレーニング終了時には、参加者は以下のことが可能です：

• PythonとTensorFlowを使用して不正検知モデルを作成します。
• 線形回帰および線形回帰モデルを構築し、不正を予測します。
• 不正データの分析に向けたエンドツーエンドのAIアプリケーションを開発します。

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、開発者やデータサイエンティストを対象としており、TensorFlow 2.xを使用して予測モデル、分類器、生成モデル、ニューラルネットワークなどを構築することを目指しています。

このトレーニングの終了時には、参加者は以下のことが Able to:

• TensorFlow 2.xをインストールおよび設定する。
• TensorFlow 2.xが以前のバージョンと比べて持つ利点を理解する。
• 深層学習モデルを構築する。
• 高度な画像分類器を実装する。
• 深層学習モデルをクラウド、モバイルデバイス、IoTデバイスに展開する。

このインストラクター主導のライブトレーニング 東京（オンラインまたはオンサイト）では、参加者はTensorFlow Servingを設定し、使用してプロダクション環境でMLモデルを展開および管理する方法を学びます。

このトレーニング終了後、参加者は以下のことができるようになります:

• さまざまなTensorFlowモデルの訓練、エクスポート、サーブ。
• 単一のアーキテクチャとAPIセットを使用してアルゴリズムをテストおよび展開。
• TensorFlow Servingを拡張して、TensorFlowモデル以外の他のタイプのモデルもサーブする。

TensorFlowは、GoogleのオープンソースソフトウェアライブラリであるDeep Learningの第2世代APIです。このシステムは、機械学習研究を促進し、研究プロトタイプから生産システムへの移行を迅速かつ容易にすることを目指しています。

対象者

このコースは、Deep LearningプロジェクトでTensorFlowを使用したいエンジニア向けです。

本コースの修了後、参加者は以下のことが可能になります:

• TensorFlowの構造と展開メカニズムを理解する
• インストール、生産環境、アーキテクチャのタスクと設定を行うことができる
• コード品質の評価、デバッグ、監視を行うことができる
• モデルの学習、グラフの構築、ログの記録などの高度な生産作業を実施することができる

このコースでは、具体的な例を用いて、TensorFlow を画像認識の目的に適用する方法を探ります。

対象者

このコースは、TensorFlow を画像認識の目的で利用したいエンジニア向けです。

本コース修了後、受講者は以下のことができます:

• TensorFlow の構造と展開メカニズムを理解する
• インストール、プロダクション環境、アーキテクチャのタスクと設定を行う
• コード品質を評価し、デバッグや監視を行う
• モデルの訓練、グラフの構築、ログの記録などの高度なプロダクション機能を実装する

この講師主導のライブトレーニング（オンラインまたはオンサイト）は、単一のMLモデルの学習から複数のMLモデルのプロダクションへの展開を目指すデータサイエンティストを対象としています。

このトレーニングが終了すると、参加者は以下のことができます：

• TFXとサポートするサードパーティツールをインストールおよび構成します。
• TFXを使用して完全なMLプロダクションパイプラインを作成および管理します。
• モデリング、学習、推論サービスの提供、デプロイメントの管理などのTFXコンポーネントで作業します。
• Webアプリケーション、モバイルアプリケーション、IoTデバイスなどに機械学習機能を展開します。

TensorFlow™ は、データフローグラフを使用して数値計算を行うためのオープンソースソフトウェアライブラリです。

SyntaxNet は TensorFlow 用のニューラルネットワーク自然言語処理フレームワークです。

Word2Vec は、単語のベクトル表現（「単語埋め込み」）を学習するために使用されます。Word2vec は計算効率が高く、未加工のテキストから単語埋め込みを学習するための予測モデルです。CBOW（Continuous Bag-of-Words モデル）と Skip-Gram モデルがあります（Mikolov et al. の第3.1章および3.2章参照）。

SyntaxNet と Word2Vec を組み合わせて使用することで、自然言語の入力から学習された埋め込みモデルを生成することができます。

対象者

このコースは、SyntaxNet および Word2Vec モデルを使用して TensorFlow グラフを作成することを目的とする開発者やエンジニア向けです。

本コース修了後、受講者は以下のことができます:

• TensorFlow の構造と展開メカニズムを理解する
• インストール、プロダクション環境の設定、アーキテクチャタスクおよび設定を行うことができる
• コード品質を評価し、デバッグや監視を行うことができる
• モデルの学習、用語の埋め込み、グラフの構築、ログ記録などの高度なプロダクションタスクを実装することができる

このコースでは、ニューラルネットワークと機械学習アルゴリズム全般、深層学習（アルゴリズムとアプリケーション）についての概念的な知識を提供します。

このトレーニングの第1部（40%）は基礎に重点を置きますが、TensorFlow、Caffe、Theano、DeepDrive、Kerasなどの適切な技術を選択するのに役立ちます。

第2部（20%）では、深層学習モデルの作成を容易にするPythonライブラリであるTheanoについて紹介します。

第3部（40%）はGoogleのオープンソースソフトウェアライブラリであるTensorFlowのAPIに重点を置きます。例や実習はすべてTensorFlowを使用して行われます。

対象者

このコースは、Deep LearningプロジェクトでTensorFlowを使用することを目指すエンジニア向けです。

コース終了後、受講者は以下のことをできるようになります：

• 深層ニューラルネットワーク（DNN）、CNN、RNNについての深い理解
• TensorFlowの構造と展開メカニズムを理解する
• インストール、生産環境、アーキテクチャタスク、設定を実行できる
• コード品質の評価、デバッグ、監視が行える
• モデルの訓練、グラフの構築、ログ記録などの高度な生産タスクを実装できる