Pythonでのプログラミング経験があり、大学における初歩的な統計・線形代数の知識を有するもの。

より基礎研究や開発レベルの講座や、日本ディープラーニング協会のE資格検定を目指す方は、Deep Learning基礎講座(E資格対応版)を受講下さい。

演習中心の講座の内容となっている為、実際に手を動かして学習する事でより深く理解、効率的に学習が出来る様に設計されています。

各受講者へ環境構築済みのJupyter Notebookを使用するPyhtonの演習環境を提供します。

Webブラウザ上でiLectへアクセスするだけで、1GPU/人の演習環境を即時利用できます。

より実践的なDeep Learningエンジニア育成を目指します。

理論的な理解を最小限に留め、ライブラリ等を駆使して、実装をメインに、画像認識、NLP、生成モデル、強化学習など、Deep Learningの重要技術をアプリケーションに適用できる技術を学びます。

より現場での解題解決にフォーカスした講座となります。

Pythonでのプログラミング経験があり、大学における初歩的な統計・線形代数の知識を有するもの。

各回後に講義で習った内容を元にランキング形式で点数が表示される課題に挑戦して頂けます。

受講者同士で競い合って楽しみながら、より良いモデルの精度上げを目指し、深い技術の習得を目指します。

01/

Introduction / 手書き文字認識,ニューラルネットワーク入門

講演 [ 講義:Deep Learningと人工知能 ]

講義: 手書き文字認識/ニューラルネットワーク入門 演習: ニューラルネットワーク ,MLP,ニューラルネットワーク, Keras, 最適化手法, 過学習対策/ 宿題: ファッション画像

02/

畳み込みニューラルネットワーク / 系列データ

CNN, データ拡張, Batch Normalization, Skip Connection

系列データで予測/ RNN基礎, LSTM, BPTT, Clipping, ショートカット, ゲート

03/

ニューラル翻訳モデル / 画像からキャプション生成

講義: ニューラル翻訳モデル, NLP/ 演習: 言語モデル, Seq2Seq, Attention

講義: キャプション生成 / 演習: キャプション生成, 転移学習, ビームサーチ, Attention, Decoder

04/

ニューラルネットで画像生成 / ニューラルネットでゲームを攻略するAI

講義: 画像生成/ 演習: 深層生成モデル, VAE, GAN / 宿題: 顔画像生成

講義: ゲームAI/ 演習: 深層強化学習

05/

最終課題(オプション)

最終課題では、受講者各自が実際の業務の課題解決を目指し、レポートを作成して頂きます。

講座を通して習得した技術を用いて、各受講者の業務の課題解決を行うプロジェクトを行って頂きます。

各々が取り組んだ課題解決のレポートを作成し最終日に各自が発表を行い、

お互いが本講座で得た事や技術の知見等を共有する事で、講座から技術の活用方法をより深く理解して頂けます。

また講師が発表に対して講評を行う事で、更なる精度の向上や手法の選択方法のアイドバイスを得る事が可能です。

Q. 受講者像と予め必要となるスキルのレベルを教えて下さい。

Q. このコースを受講するとどのようなことができるようになりますか？

Q. 演習などの内容について詳しく教えて下さい。

Q. 受講に際して必要となるものはありますか？

Q. E資格の取得を目指していますが、本講座を修了すれば受講資格がもらえますか？