IoT寺子屋:深層学習の数学勉強会(1)_演習分厚版_0407

イベント内容

IoT寺子屋:深層学習の数学勉強会(1) 土日演習分厚版 

&(2/25および3/8,3/15)平日参加の人にも
終了後質問タイム(17:00-)設けます^^

【まず人数枠の件ご説明】
2/25と3/8,3/15,3/24の講座と内容はほぼ同じですが、
演習を増やしてあり、やや余裕もって進みます(きちんと自己紹介もし、お昼休憩もある)

この講座もうかなり回数やってるので人が集まるかわかりませんが
最近活動始めた麹町の講座での寺子屋紹介もありますので
こちらから興味持ってもらった方に入ってもらう枠をキープしたく
ちょっと当面そちらの方からの募集枠を多めに設けます
一人だけ一般枠設けますがそちらに人が集まらない場合に枠つぶすこと想定していったん抽選枠にします
(0人でも打ち切れるため)
eLVからの集まりがない場合にまた一般枠に補欠がでるようなことあれば
先着枠をに変え増員するなどの対応もしますので当面枠の人数気にされずに
該当する枠でお申し込みいただければと思います。

かって実施したデジタルツインに参加していただいた方は 土日しか都合つかない方多く、お1人までご招待します。 他の枠が早くうまりそうならやはり一般枠増員します。

無料参加含めて4人以上の参加者いれば実施します。なおいつもの10人部屋が取れておらず(最近お店が人気・・・)8人マックスで実施となります。人数集まらないときは少人数部屋に移動して減員もしますが部屋代の関係で4人は欲しいのでこのようにします。

=>3/15確認 10人いけます。いったん9人に

【今回はマイコンボードも部品もパソコンもないハンズオン=ノートに鉛筆で】

ただしExcelを用いた演習も最後に入れますのでパソコンをお持ちください・・・

(習得スキル)

・AIの学習の動作原理を数式できちんと理解します。  (FNN,CNN,RNNすべてに共通なこと)

・AIの論文がとりあえず読めるようになる(目標)

前提知識は高校の数学をだいたい思い出せるくらいです 最近は高校で行列の計算ををやらないようなのでそこはしっかりご説明する予定

【実習アジェンダ】

■Timeスケジュール

時間 内容
11:00 - 11:30 受付
11:30 - 11:50 フィジカルコンピューティング
 ・フィジカルコンピューティングとは何か?
 ・AI・ビッグデータ・IoTの関係
 ・非構造データの活用の現在
 ・センサーデータがもたらす可能性
 ・本日の講座のカバー範囲
11:50 - 12:10 確率分布・情報量とシャノンの符号化・クロスエントロピー・KL情報量
12:10 - 12:30 6面体サイコロと8面体サイコロを使ったKL情報量の計算実験
12:30 - 13:30 お昼休憩 (近くのコンビニでご休憩や会場のお店でのランチもOKです
13:30 - 14:00 偏微分・行列の計算
13:30 - 14:00 偏微分・行列の計算の演習
14:00 - 14:50 AIの推論(順伝搬)
14:50 - 15:00 休憩
15:00 - 16:30 AIのパラメータ補正の一連の手続きとそれを支える基本的な考え
 ・オンライン学習/オフライン学習/ミニバッチ学習の考え方
 ・確率的勾配降下法
 ・誤差逆伝搬法
16:30 - 17:00 PYNQの紹介&FPGAの紹介
17:00 - 18:00 お店の一般席に移動⇒質問タイム
他の会に参加された方も可
1ドリンク頼んであげてください

※一応17:00まで場所は確保できています

※平日夜の会に参加された方で帰ってからよくわからんかった・・・・という方はこの日の17時にこちらにいらしていただければリアルにご質問お受けします。
=無料です。(平日は内容がやや重いのに十分な時間がとれなかったので・・・)
 But お店なので1ドリンク(フードでもいいですが)は頼んであげてください
 どなたか質問がつづいている場合は閉店まで どなたもいなくなったら18:00以降なら帰ります^^

場所は銀座線田原町駅の目の前、浅草めぐりを兼ねていらっしゃいませんか

【配布物】

•講習資料(紙ベース。カラーで図解した資料と白黒の問題集のようなもの)※資料は手書きノートも含みます。

ノートのもととなった本もありますので受講者にはご紹介します。

お持ちの方は持ってきていただけるといいかもしれません(なくてもいいようにしています)

【参加者にお持ちいただくもの】

•ノートと鉛筆

【テーマ選定のポリシー】

IoT寺子屋は普段電子工作でガジェットを作るハンズオン提供してます。 しかしながらセンサーデータ集めてくるだけではなかなか有益な仕事ができないと考えます。

学習済みのAIモデルが自由に落としてきて使えるという今日このごろ AIを組み込みエッジに乗せてなんかつくるということがまさに現実化してきました しかも大企業でなくても個人でできる・・・そんな時代

さてオリジナルなアイデアをAIの分類器にかけようとすると どうしても学習をさせる必要が出てきます

どうやってデータを作るんだろう・・・どうやって学習させるんだろう・・・

このAIの数学は3回ほどに分けて実施しようと思っていますが

まず (1)は教師データはそろってるものだと思ってパラメータ調整の ロジックを学びつくす

次回(2)は教師データの作り方(これはオープンcv使う予定)とCNNの説明(実装はまだしません)

最終回はRNNとGANをしようとおもいます。

いままで寺子屋いらした方は知ってらっしゃると思いますが ほんとに解説しつくすので 電子工作しないひとにも十分にまなんでもらうことがあります。

Kerasで1行・・・・でないAIをきちんと学ぼう・・・・という趣旨です。

しっかり理解していただけるように説明していきます。 後半の逆誤差伝搬が深層学習の本質です。・・・がAIの会社の人間でもうまく説明できない人がいます。 これをきちんと理解すると自分で深層学習のコードが組めると思います。

なおこれを3つ受けた後にPythonでうごくFPGAボードへのパラメータ送り込みを実行する勉強会を予定しています

【講師自己紹介】

大邦将猛(おおくにまさたけ) 生産管理/在庫管理コンサルタント。技術士(経営工学)。

京都大学工学部/大学院工学研究科卒業。(専攻 原子核工学。学部と修士課程) 大手製造業で生産工程の研究員5年 ベンチャーITベンダー6年(半年スウェーデン在住勤務)  コンサルティングファーム3年(一年オランダ在住勤務) 大手ITベンダー10年勤務

数学は趣味で卒業後もこつこつ問題解いたりしてます。 学生時代に一番頑張った勉強は量子力学や場の量子論といった物理学です。卒論や修士論文も核物理学の内容(QED/QCD)でした。 (微積線形代数やテンソル、量子力学の勉強会も考えたのですが、  すでにたくさんあるしすぐに仕事で役立つように思えないのでこんな内容にしてます)

数学と物理については塾などで難関目指す生徒用のコースから、中学生補習講座まで担当していた経験があります。 教え方がうまいかどうか・・・わかりませんが、東大などの難関に受かった生徒もいるし、 躓いた人が何がわかってないかを判断できると思いますのでハンズオンをコーチャー的にできればと思います。

【お問い合わせ】

当ページの問い合わせ先リンクからお願いします。 会場のお店には連絡なさらないでください(場所をお借りしているだけです)

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。

類似しているイベント