【初・中級者向け】TensorFlowを動かしながら学ぶディープラーニング・CNNの理論 #9

===
GW特別号ということで通常より時間を長く取り、3時間半での実施とできればと思います。
元々2時間だと時間が少なく感じるボリューム感なので、いつもよりも時間に余裕のある
丁寧な進行が可能になるのではないかと思います！
===

ディープラーニングが流行っているようなので気になる方も多いかと思い、企画させて
いただいています。
MNISTデータ用いて手書き数字の認識をするだけではあるのですが、CNN
（Convolutional Neural Network）という手法を使うことで、大体99.3%ほどの認識の
性能が出せます。（これは驚きでした！）

パッと見は凄い結果が出ます。
とはいえ、魔法のようにご認識いただくと、恐ろしいプロジェクトが立ち上がる可能性が
あるので（笑）、ちゃんと理論の背景をご理解いただいた上でコードを動かしていただこうと
考えています。

一応同様の内容は20回ほど話しているので、話としてはなかなか練られているかと思います。
高校数学の理解がないと2時間で取り扱うには厳しい内容なので、高校数学レベルの自信がない
方は、先に以下の高校数学の講習会を受けて頂くことをオススメいたします。

・機械学習とディープラーニング（深層学習）の違いが説明できるようになります
・線形回帰からニューラルネットワーク、ディープラーニングまでのモデル拡張の流れに関して理解できます
・TensorFlowの基礎的な使い方が理解できます
・CNN（畳み込みニューラルネットワーク）を理論的に理解することが可能になります

5/3(土)
受付：12:50〜13:00
講義：13:00〜15:00

水道橋駅、神保町駅周辺
（詳細はお申し込みいただきました方にご連絡させていただきます。MAX30は入るので広々と
快適に使えるのではないかと思います。）

・ディープラーニング入門
    　ディープラーニングの歴史
    　機械学習とディープラーニングの違い
    　ディープラーニングのアルゴリズムの種類
    　ディープラーニングの実用例

・TensorFlowとは、環境構築
    　他のディープラーニングライブラリとの比較
    　TensorFlowとは
　　環境構築、サンプルコードやサンプルデータのダウンロード

・線形回帰からニューラルネットワークへの流れ（数学入門の復習）
　　代表的な識別規則の構成法
　　教師あり学習と学習/推論
　　関数近似の学習を行うにあたっての3ステップ
　　線形回帰問題の学習方法
　　ニューラルネットワークへのモデルの拡張

・CNNの理論理解、TensorFlowチュートリアルを使ってのハンズオン
    　MNIST分類問題
　　ソフトマックス回帰を用いたMNIST分類をTensorFlowで動作させる
　　CNNを用いたMNIST分類をTensorFlowで動作させる
　　CNNの理論の解説
　　TensorFlowのコードの解説

※講座内容は若干変更となる場合があります

・高校数学は大体は把握している方
・実務で深層学習（ディープラーニング）を活用したい方
・ディープラーニングを用いた人工知能系のプロジェクトに興味がある方

※
高校数学が怪しいと途中ついてくるのが厳しくなるので、数学に自信のない方は
下記の数学の講習に先にご参加ください。

東大工学部卒。
データ分析/AI開発の仕事の経験は5年ほどで、理論/開発/ビジネスのどれも経験があり強い。
また、多くの業界のプロジェクトに関わったためドメイン知識も豊富。
初心者向けの指導実績も多く、400名は越える。

・ノートとペン
・ノートPC
=> ある程度のスペックは欲しいので、5年以内に購入したくらいのものだと嬉しいです。
=> また、Windowsよりもmacの方が環境構築が楽なのでオススメです。

上記記載の通りです。
割引に関しましては、女性の少ない業界なので女性の参加者の割引と、懐事情を鑑みて25歳以下の
参加者への割引をさせていただければと思います。

Python+Anaconda付随のライブラリ+TensorFlowを利用できるようにしてきてください。
インストールがわからない方は、直後の勉強会でプログラミング未経験者向けのフォローアップを
開催しておりますので、こちらも合わせてご参加いただけるなら対応が可能です。

領収書の発行も可能ですのでご希望の方はその旨お申し付けいただければと思います。
（個人で気軽に参加できるようにという価格設定なので、領収証発行の際は追加で2,000円の
お支払いをよろしくお願いいたします。）