TOP

【再増枠】ITエンジニアのためのDeepLearning #12 with AMD

イベント内容

ITエンジニアのためのDeep Learning

以前から好評いただいているこのDeepLearningイベントもついに12回目になりました。 今回はAMD様、Acube様にご協賛いただき開催します。

--- --- ---

会場

  • 場所: TKP東京駅前カンファレンスセンター 東京都中央区八重洲1丁目5-20石塚八重洲ビル (Google Map)
  • アクセス
    • JR東京駅八重洲北口から徒歩1分
    • 東京メトロ銀座線 日本橋(東京都)駅 A3出口 徒歩3分
    • 都営浅草線 日本橋(東京都)駅 A3出口 徒歩3分
    • 東京メトロ丸ノ内線 大手町駅 B9出口 徒歩3分
    • 東京メトロ千代田線 大手町駅 B9出口 徒歩3分
    • 東京メトロ半蔵門線 大手町駅 B9出口 徒歩3分
    • 都営三田線 大手町駅 B9出口 徒歩3分

12の内容(今回の内容)

  • 日本人工知能学会 全国大会2018の概要紹介
  • ROCm-TensorFlow RadeonGPUでのセットアップ方法
  • リアルタイム StyleTransformデモ on RadeonGPU
  • リアルタイム YoloV3デモ on RadeonGPU
  • NeuralStyleTransferとリアルタイム変換に使う仕組み
  • GPUを取り巻く状況とGPUEater
  • AMD GPUドライバROCmの現状を知る
  • Radeon GPUでのDeepLearning対応ライブラリの状況 ◯✕表
  • Radeon GPUでの最新のDeepLeanringモデルの表現評価と◯✕表
  • AMDGPUとNVIDIAGPUとCPUの数百以上のテストケースと動作状況
  • AMDGPUとNVIDIAGPUとCPUの最新のDeepLearningモデルのベンチマークとアノマリ

DeepLearning、機械学習には様々な落とし穴があります。 メディアやトレンドに惑わされずしっかりとしたリテラシーを持ち、適材適所に施行しなければその落とし穴にハマり、多くの時間とお金を無駄にします。このDeepLearningのイベントを通じて、参加者との意見交換を通じ正確なリテラシーを持つことを目的としていますので、ぜひぜひ懇親会で様々な方々とお話をしてみてください!

*一部の登壇者のスライドは撮影禁止となっていますので、ご協力をお願い致します。

タイムスケジュール

時間 内容
18:30〜19:00 開場
19:00〜19:05 イントロダクション
19:05〜20:00 登壇者発表
20:00〜21:45 懇親会

参加費

無料


今までのセッションの内容


#11の内容

  • Darkflowの使い方とYoloV2/Yolo9000
  • 転移学習について
  • Radeon GPU+DeepLearningの現状
  • 永続化コンテナとGPUの利便性
  • NVIDIA EULA事件について
  • GPU Eater クラウドと最新のGPUテクノロジー
  • AMD-Radeon/NVIDIA GPUでの学習と推論ベンチマーク
  • "TensorCore" 120TFlopsの正体を見極める
  • TensorFlow on OpenCL
  • Keras on PlaidML
  • フレーム問題
  • Findyのスキル偏差値算出アルゴリズムについて
  • Findy Scoreの求人票解析アルゴリズムについて
  • 身近な学習パラメータの決定例、「最小二乗法」の意味を考える

#9の内容

  • DeepLearning Summit in San Francisco レポート
  • 技術<データの重要性
  • アンサンブル学習の重要性
  • 認識に於ける2つの谷

#8-2の内容

Microsoftフィリピン本社にて英語登壇

  • 料理認識デモ
  • AI技術の限界の紹介
  • アウトオブフレーム問題
  • 予算、費用対効果について

#8の内容

  • 1~7までのダイジェスト
  • DCNNの派生系DCGAN(Deep Convolutional Generative Adversarial Network)
  • 生成モデルの概要
  • DCGAN実践
  • 変換モデルの概要
  • スタイル変換実践

#7の内容

  • DeepLearningの精度と計算時間
  • ニューラルネットは分散しにくい
  • パラメータ探査の困難さ(モンテカルロ法、遺伝的アルゴリズム、Q学習)
  • CPUとGPUの性質
  • GPGPUとトレードオフ(台所事情)
  • DeepLearningに於けるアクセラレートポイント
  • 失敗したOpenCLと、囲い込みのCUDA
  • 設備投資について
  • 費用対効果と相場
  • 持つものと持たざるもので分かれる機械学習

#6の内容

  • ニューラルネットワーク基礎
  • 偏微分連鎖律と数式を無視する型破りなバックプロパゲーションの理解
  • 教師あり学習のデモ
  • Weightsを視覚化してみる
  • DCNN(DeepConvolutionalNeuralNetwork)を徹底解剖します!
  • Convolution層とMaxPoolingの働きについて
  • Convolution層とMaxPoolingのバックプロパゲーションの理解
  • Convolution層の多層化の意味について
  • Convolution層のWeightsを視覚化してみる
  • DCNNの派生系についてのお話

#5の内容

  • ニューラルネットワーク基礎
  • 偏微分連鎖律と数式を無視する型破りなバックプロパゲーションの理解
  • 教師あり学習のデモ
  • Weightsを視覚化してみる
  • 教師なし学習のデモ
  • 主成分分析を視覚化してみる
  • DeepLearningの深さの利点について
  • 失敗から学ぶ。勾配消失問題を味わってみよう!
  • チューニングの全体像
  • プレトレーニングは時代遅れ
  • 失敗から学ぶニューラルネットワーク
  • MLPに於ける失敗するパラメータの事例
  • StackedAutoEncodersに於ける失敗するパラメータ事例
  • DCNNに於ける失敗するパラメータ事例

#4の内容

  • 多クラス分類について
  • 教師ありデータ収集について
  • オントロジーとは?
  • オントロジーの定義の難しさ
  • ImageNetやコンペティションの公共のデータ
  • WEBクローラーの作り方
  • BOT対策について
  • データ解析ツールの作り方とOpenCV
  • 漫画やサムネイル、別サイズの同じ画像の除去
  • ラベル貼り付けとコストについて

#3の内容

大枠の概要

  • DeepLearningの歴史と重要なネットワーク
  • 選択すべきネットワークの形とそのメリット&目的の理解
  • ライブラリの選択とセットアップ
  • DCNNじゃなくてフルコネクションネットワークと画像解析

技術詳細

  • 教師あり学習の基礎(Perceptron/MLP)
  • 教師なし学習について
  • 教師なし学習の役割と活用例
  • AutoEncoder/StackedAutoEncodersで次元圧縮と分析
  • AdamとSGDとAutoEncoderの成功と失敗パラメータ

#2の内容

大枠の概要

  • DeepLearningの歴史と重要なネットワーク
  • 選択すべきネットワークの形とそのメリット&目的の理解
  • ライブラリの選択とセットアップ
  • DCNNのパラメータ設定

技術詳細

  • DCNNの形の理解
  • PerceptronとMLPとDCNNの関係
  • ニューラルネットワークの基礎
  • PerceptronとMLPの予測計算を絵で理解する
  • PerceptronとMLPのバックプロパゲーション計算を絵で理解する

#1の内容

大枠の概要

  • DeepLearning専門用語解説
  • 選択すべきネットワークの形とそのメリット&目的の理解
  • ライブラリの選択とセットアップ
  • データ読み込み機構とアウトプット機構(画像編)
  • データ収集とWEBクローラー(画像編)
  • ラベル付の効率化(画像編)
  • DCNNのパラメータ設定

技術詳細

  • データの水増し編 (アフィン変換、ノイズ、ディストーション、プロジェクション、カラー)
  • データランダマイズサンプル
  • ランダムデータと正規分布データ
  • データ正規化(ZCA/PCA Whitening)
  • 活性化関数の選択
  • MaxOut実装方法
  • バッチ正規化と最新の活性化関数ELU(ReLuじゃないヨ)
  • L1/L2正則化とAdaGrad/RMSProp/AdaDelta/Adam/AdaMax
  • オントロジーとデータ整頓
  • 平均予測
  • GPGPUの台所事情


注意事項

※ こちらのイベント情報は、外部サイトから取得した情報を掲載しています。
※ 掲載タイミングや更新頻度によっては、情報提供元ページの内容と差異が発生しますので予めご了承ください。
※ 最新情報の確認や参加申込手続き、イベントに関するお問い合わせ等は情報提供元ページにてお願いします。
2018/06/25(月)
19:00〜21:45
参加者
46人 / 定員60人
会場
TKP東京駅前カンファレンスセンター
東京都中央区八重洲1丁目5-20(石塚八重洲ビル)