AIエンジニアになるための3日間集中セミナー 2019年10月23日〜25日神田会場

2019/10/23(水)10:00 〜 2019/10/25(金)17:30 開催

ブックマーク

#Python, #機械学習, #Deep Learning, #人工知能, #プログラミング

参加枠	申込形式	参加費	参加者
一般参加 ※参加費は、弊社申し込みページからのお支払い	先着順	138,000円現金支払い	0人／定員10人

イベント内容

AIエンジニアになるための3日間集中セミナー
AIの実装に必要なアルゴリズムや知識を集中して学べるセミナーです。

概要

AI(機械学習)のプログラムだけが実装できても、実務では役に立ちません。
どのようにデータを処理し、どのようにビジネス（業務）に活かすのかを考えて実装する必要があります。
そのため、「AIエンジニアになるための3日間集中セミナー」は、AIの仕組みとAIプログラミングの両方を重要視した内容となっています。
セミナー受講後、すぐにAIのプロジェクトを進めることができます。

AIプログラミングは1から学ぶと非常に多くの時間を費やします。
「AIエンジニアになるための3日間集中セミナー」は、AIプログラミングでよく使用する機能に絞って学ぶことができるため、3日間でAIの実装に必要なアルゴリズムや知識と、それをPythonで実装できるようになるセミナー構成となっています。

お申し込み方法

以下のお申込サイトよりお申し込みください。
https://ai-kenkyujo.com/ai-technical/

タイムスケジュール

各日昼休憩、途中休憩あり

＜1日目＞

時間	内容
9:30〜	受付開始
10:00〜17:30	AIの基本的な知識と仕組み、さらにAIを実装する上で必要となるプログラミング言語Pythonを学習する ● AIとニューラルネットワークの仕組みについて ● AIアプリの作成方法について ● Pythonを使ったニューラルネットワークの構築 ● Pythonの特徴と使い方 ● Pythonのインストール方法 ● 開発環境の構築 ● 文字列の操作について ● データ型について ● 四則演算、変数の使い方について ● データの読み込み方について ● リスト、多重リスト、行列について ● 条件分岐（if文）について ● ループ処理（for文）について ● 関数の定義と利用方法について ● クラスとインスタンスについて ● ライブラリ（Numpy,Tkinterなど）について ● オブジェクト指向とは ● 学習用データの前処理と正規化について ● 自然言語処理におけるデータの前処理について（形態素解析、Bag of Words、word2vec等）

時間

内容

9:30〜

受付開始

10:00〜17:30

AIの基本的な知識と仕組み、さらにAIを実装する上で必要となるプログラミング言語Pythonを学習する
● AIとニューラルネットワークの仕組みについて
● AIアプリの作成方法について
● Pythonを使ったニューラルネットワークの構築
● Pythonの特徴と使い方
● Pythonのインストール方法
● 開発環境の構築
● 文字列の操作について
● データ型について
● 四則演算、変数の使い方について
● データの読み込み方について
● リスト、多重リスト、行列について
● 条件分岐（if文）について
● ループ処理（for文）について
● 関数の定義と利用方法について
● クラスとインスタンスについて
● ライブラリ（Numpy,Tkinterなど）について
● オブジェクト指向とは
● 学習用データの前処理と正規化について
● 自然言語処理におけるデータの前処理について（形態素解析、Bag of Words、word2vec等）

＜2日目＞

時間	内容
9:30〜	受付開始
10:00〜17:30	機械学習用ライブラリ「Chainer」を使ったAIの実装方法を学習する ● 機械学習用ライブラリ「Chainer」の使い方について ●「Chainer」のインストール方法について ● ユーザー情報から回帰分析を行い来店頻度を予測する ● センサーデータを利用した行動解析（クラス分類） ● 活性化関数の種類と記述方法について ● バッチ処理の仕組みと使い方について ● 損失関数の設定方法について ● 勾配降下法とバックプロバケーションによる機械学習 ● 入力層のノード数の増やし方について ● 隠れ層の増やし方（「Chainer」を使ったディープラーニングの方法） ● Azure MLで作成した学習済みモデルを使ったデスクトップアプリの作り方

時間

内容

9:30〜

受付開始

10:00〜17:30

機械学習用ライブラリ「Chainer」を使ったAIの実装方法を学習する
● 機械学習用ライブラリ「Chainer」の使い方について
●「Chainer」のインストール方法について
● ユーザー情報から回帰分析を行い来店頻度を予測する
● センサーデータを利用した行動解析（クラス分類）
● 活性化関数の種類と記述方法について
● バッチ処理の仕組みと使い方について
● 損失関数の設定方法について
● 勾配降下法とバックプロバケーションによる機械学習
● 入力層のノード数の増やし方について
● 隠れ層の増やし方（「Chainer」を使ったディープラーニングの方法）
● Azure MLで作成した学習済みモデルを使ったデスクトップアプリの作り方

＜3日目＞

時間	内容
9:30〜	受付開始
10:00〜17:30	画像認識や音響認識ができるAIを、畳み込みニューラルネットワークを利用して実装するスキルを習得する ●「OpenCV」を用いた画像の前処理手法 ●「Numpy」「LibROSA」等を用いた音データの前処理方法 ● CNN（畳み込みニューラルネットワーク）を利用した画像・音声認識 ● 畳み込み層とプーリング層について ●「Chainer」を使ったCNNの構築方法 ●「Chainer」の初期設定値と様々な最適化パラメータの設定方法 ● 重みの初期値の最適化について ● 重みの更新手法について ● ハイパーパラメーターの最適化方法について ● 活性化関数の種類と記述方法について

時間

内容

9:30〜

受付開始

10:00〜17:30

画像認識や音響認識ができるAIを、畳み込みニューラルネットワークを利用して実装するスキルを習得する
●「OpenCV」を用いた画像の前処理手法
●「Numpy」「LibROSA」等を用いた音データの前処理方法
● CNN（畳み込みニューラルネットワーク）を利用した画像・音声認識
● 畳み込み層とプーリング層について
●「Chainer」を使ったCNNの構築方法
●「Chainer」の初期設定値と様々な最適化パラメータの設定方法
● 重みの初期値の最適化について
● 重みの更新手法について
● ハイパーパラメーターの最適化方法について
● 活性化関数の種類と記述方法について