統計的機械学習と深層学習の活用を考えている初心者レベルのエンジニアを対象に、基本的なアルゴリズムと数学的な枠組みを解説します。機械学習では、クラス分類、予測、クラスタリングなどの基本アルゴリズムを取り上げます。深層学習では、順伝播型ネットワークとパラメータ推定法、畳み込みニューラルネットワーク、系列変換を取り上げます。理解に必要な数学の基礎知識と現実の課題に適用するための留意点を解説します。

受講効果

  • エンジニアとして統計的機械学習・深層学習を活用するための基礎を学ぶことができます。
  • 統計的機械学習と深層学習の理解を深めるために、どのように学べば良いかを知ることができます。
  • 5月開講予定の「エンジニアのための統計的機械学習・深層学習活用術」(Pythonを用いた演習1回を含む全4回)を受講するための準備講座として、知識とノウハウを得ることができます。

講師紹介

速水 悟 氏 (はやみず さとる)

岐阜大学
工学部 電気電子・情報工学科 教授

速水 悟 氏

1981年 東京大学大学院 工学系研究科 修士課程修了
同年 通商産業省工業技術院 電子技術総合研究所(現 国立研究開発法人産業技術総合研究所)
1989年 カーネギーメロン大学 客員研究員
1994年 フランス国立科学研究院機械情報学研究所 客員研究員
2002年 岐阜大学 教授
2017年4月より、工学部 知能科学研究センター センター長

著書:『事例+演習で学ぶ機械学習 ビジネスを支えるデータ活用のしくみ』(森北出版、2016年4月)
共著:『確率と確率過程』(オーム社、2010年10月)ほか

概要

日時: 2018年3月16日(金)10:00~17:00(開場09:30予定)
会場: 秋葉原UDXギャラリーネクスト (東京・秋葉原)
主催: 日経エレクトロニクス

受講料(税込み)

  • 一般価格:49,800円
  • 会員・読者価格:43,200円
■会員・読者価格
「会員・読者価格」は、日経テクノロジーオンライン有料会員(年払いのみ)、または、日経エレクトロニクス、日経ものづくり、日経Automotive定期購読者の方(日経テクノロジーオンライン有料会員とのセット購読の方を含む)が対象です。
  • ※受講料には、昼食は含まれておりません。
  • ※満席になり次第、申込受付を締め切らせていただきますので、お早めにお申し込みください。

プログラム詳細

10:00 - 17:00

1.機械学習の基礎

1.1 機械学習とは?
1.2 クラス分類/線形識別モデル
1.3 予測/線形回帰モデル
1.4 クラスタリング/k 平均法
1.5 次元削減/主成分分析
1.6 機械学習の活用における留意点

2.決定木

2.1 決定木の特長
2.2 決定木の生成手順
2.3 評価方法と過適応

3.統計的機械学習の基礎

3.1 正規分布に基づく異常検知
3.2 最尤推定法によるパラメータ推定
3.3 混合正規分布モデル
3.4 正則化

4.ニューラルネットワーク

4.1 順伝播型ネットワーク
4.2 確率的勾配降下法
4.3 誤差逆伝播法

5.深層学習の基礎

5.1 自己符号化器と情報圧縮
5.2 畳み込みニューラルネットワーク
5.3 系列変換モデル
5.4 深層学習の活用における留意点

  • ※途中、昼休憩と午後の小休憩が入ります。
  • ※講演時刻等、随時更新いたします。また、プログラムは変更になる場合があります。あらかじめご了承願います。
■受講料のお支払い
お支払い方法が「請求書」の方には、後日、受講券・請求書を郵送いたします。
ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますので、あらかじめご了承ください。
クレジットカード支払いの方は、受講証はMyPageから印刷してご持参ください。
■お申し込み後のキャンセルおよび欠席など
お申し込み後のキャンセル、ご送金後の返金はお受けいたしかねます。代理の方が出席くださいますようお願いいたします。
会場までの交通費や宿泊費は、受講される方のご負担となります。講師等の急病、天災その他の不可抗力、その他やむを得ない事情により、中止する場合があります。この場合、受講料は返金いたします。
■最少開催人員
15名。参加申込人数が最少開催人員に達しない場合は、開催を中止させていただくことがあります。