主な内容

■受講形態
ライブ配信（Zooｍミーティング）【セミナーのオンライン受講について 】
■テキスト
開催７日前を目途にマイページ掲載

---

ディープラーニングを始めようとしている方からは「解説書を一通り読んだが具体的にどうなのかが今一つ理解できない」、「ツールをインストールしてサンプルを試したが、その後何をやったらよいかわからない」などの感想をききます。
実際にディープラーニングを実務に活かすには次の一歩が必要です。開発の現場ではニューラル・ネットワークの各種パラメータの意味の理解や、チューニングのための各種ノウハウ(たとえば過学習への対応や層数とノード数のトレードオフ)などを、道具の使い方として体得していることが重要になります。そこで、まず基礎知識を歴史と最新動向の両面から学び、その後ビジュアル学習ツールを使って、パラメータの変更やチューニングを実施するとどのように変わるのかを視覚的に体感して頂きます。また現在、様々なディープラーニング・フレームワークがオープンソースで提供されていますが、本講座ではCaffe、TensorFlow、keras、theano、Chainerなど主要なフレームワークの特徴と用途を解説し、サンプルコードを対比しながらソースコードの一端を理解して頂きます。

本講座は、Zoomを使って、講師とともにワークショップ形式で進めます。
ご受講の際は、Google ChromeもしくはMozilla Firefox をインストールしたPCが必要となります。
（タブレットは不可です）
ーーーーーーーーーーーーーーーーーーーーーーー
＜第1部＞
1. 歴史と最新動向の両面から学ぶディープラーニング基礎知識

演習環境確認（Tensorflow Playground）
AIをめぐる状況
ものづくり企業の現状
ものづくりへの応用例
ディープラーニング基礎知識
     第一次AIブームと冬の時代
     第二次AIブームと冬の時代
     第三次AIブーム
     ニューラルネット復興の３つの理由
そもそも機械学習とは？
     パーセプトロン（ニューラルネットの原型）
     活性化関数
     ニューラルネット＝多層パーセプトロン
     重み係数の学習
     学習（バックプロパゲーション：３層）
     多層化の意味
     各種最適化アルゴリズム
     汎化の技術
画像認識のための深層学習研究動向
画像認識の仕組み
CNNの理解と画像合成
RNNと言語処理


＜第2部＞
2. 学習ツール playground によるディープラーニング調教実習
・実習環境とツールの操作方法解説
・中間層とノード数の関係
・特徴量/ノードの多さと中間層の深さの関係
・活性化関数の選択と収束性の関係
・正則化の効果
・ミニバッチ学習と収束性の関係
・ノイズを加えたデータのロバスト性（ノイズ耐性）

3. DLツール実装・ソース比較
・各種ディープラーニングツール(Caffe、TensorFlow、keras、theano、Chainerなど)
・ディープラーニングライブラリ各論