G検定対策講座#2 機械学習全般(02/27)

イベント内容

画像

内容概要

人工知能・機械学習・深層学習について、G検定の問題で演習しつつ、全体像を解説します。

※G検定とは、日本ディープラーニング協会が実施している検定試験です。

G検定とは - 一般社団法人日本ディープラーニング協会【公式】

過去のG検定の類似問題を出題し、本番相当の演習を実施していただき、人工知能・機械学習・深層学習の全体像について解説をします。

G検定の統計によると、

2017年では、1,400名程度の受験者だったのが、

2020年では、26,000名程度の受験者に激増し、

いよいよ

G検定レベルの「人工知能・機械学習・深層学習」は、

すべての産業がソフトウェアとAIに飲み込まれていく昨今、

あらゆるポジションの方が最低限は身につけておくべき、

必須教養知識となっていくと考えられます。

ご興味ございましたら、

ぜひお申し込みをお待ちしております。

※ 詳細は一部変更となる可能性があります。

開催時間

受付:15:5516:00
演習:16:0016:45
解説:16:4517:30

詳細アジェンダ

〇扱う内容
<演習と解説>
G検定のための機械学習・人工知能講座 #2 <-- 今回の範囲(重要な問題のみ解説)

機械学習    手法
機械学習    レコメンド
機械学習    アンサンブル
機械学習    パーセプトロン
機械学習    SVM
数学  偏微分
機械学習    トピックモデル
機械学習    決定木
機械学習    ニューラルネットワーク
数学  アフィン変換
数学  ベイズの定理
回帰分析    正則化
機械学習    性能指標
自然言語処理  処理技術
機械学習    主成分分析
機械学習    用語
機械学習    ロジスティック回帰
機械学習    検証
情報理論    情報理論
深層学習    評価
深層学習    RNN
深層学習    学習と最適化
機械学習    自己符号化器
深層学習    フレームワーク
深層学習    CNN
強化学習    強化学習エージェント
画像処理    前処理
深層学習    各層の役割
強化学習    基礎用語
機械学習    活性化関数


参考:#1イベントは以下開催済みです。

G検定対策講座#1 人工知能全般(02/20) - connpass
https://team-ml.connpass.com/event/203081/


G検定のための機械学習・人工知能講座 次回以降のテーマ

深層学習    LSTM
深層学習    DNN
深層学習    GAN
自然言語処理  transformer
次元圧縮    t-SNE
深層学習    畳み込み演算
深層学習    音声認識
全般  GPU
深層学習    GoogleNet
全般  バイト単位
応用分野    強化学習
応用分野    ロボティクス
画像処理    キャプション生成
自然言語処理  照応解析
自然言語処理  談話構造解析
画像処理    物体検知
応用分野    深層学習
自然言語処理  word2vec
自然言語処理  主要モデル
強化学習    行動価値関数
自然言語処理  単語埋め込みモデル
深層学習    時系列データ
自然言語処理  前処理
自然言語処理  形態素解析
自然言語処理  構文解析
自然言語処理  分散表現
深層学習    物体検出
深層学習    セマンティックセグメンテーション
深層学習    文字認識




テーマ一覧
 AIの歴史と動向AIブームまとめ
 ・チューリングテスト、フレーム問題、シンボルグラウンディング問題
 ・セマンティック・ウェブ
 AIの身体性、対話性、適応性、自律性
 ・機械学習の基礎
 ・機械学習の具体的手法
 ・決定木と情報利得、主成分分析、アンサンブル学習
 ・ラッソとリッジの回帰、多重共線性、バイアスとバリアンス
 Feature Scaling
 ・調和率、適合率、再現率、F値p値t値
 ・交差検証、ホールドアウト法
 ・代表的なフレームワーク
 ・内部表現、共変量シフト、正規化の考え方、写像とカーネルトリック
 ・最適化問題、強化学習
 ・勾配降下法

 ・機械学習の内容詳説
 ・マルチモーダル、Adaptive Learning、エンドツーエンド深層学習
 ・ディープラーニング基礎、CNN、勾配消失問題、コンボリューション、プーリング層の意味
 ・転移学習、ファインチューニング、蒸留
 RNNLSTM
 ・データ拡張、バッチ正則化、ドロップアウト、early stopping
 ・白色化、平滑化、ヒストグラム平坦化
 ・自己符号化器、順伝播型ネットワーク
 ・画像認識、物体検知の歴史、セマンティック・セグメンテーション
 ・自然言語処理


詳細は一部変更となる可能性があります。

対象者

・非ITエンジニアだが、人工知能・機械学習・深層学習の全体像を把握したい方
ITエンジニアだが、機械学習の全体像と主な手法について勉強したい方
ITエンジニアだが、深層学習の全体像と主な手法について勉強したい方

会場

オンライン

当日アクセスいただくZoom URLや、当日の資料配布は、
以下slack参加者のみ、限定チャンネルにてご案内致します。

http://bit.ly/2RWooDf

当日必要なもの

・パソコン
Googleアカウント
Slackアカウント
Chromeブラウザ
Zoomソフトウェア(はじめて使う方はダウンロードが必要です)

講師プロフィール

  • 監修・アドバイザリ担当
阪大大学院数学専攻卒。大阪府出身。
CC++JavaPerlPHPRubyPythonRbash を操る公共系インフラエンジニア、フロントエンジニア
を経て、医療系クラウドサービスを展開。医療系システムコンサルタント等を経てAIベンチャーにて
データサイエンティスト。
大手から中小まで数多くのシステム開発プロジェクトで開発統括、プロマネを経験。
基盤設計、統計学、機械学習、深層学習、組織論、リーダーシップ論、心理学、事業戦略論等をテーマに、
社内外で講師の経験多数。
  • 解説担当
開発マネージャー
兼フルスタックWebエンジニア
(バックエンド、フロントエンド、クラウド、データサイエンス)

Python, JavaScript, GCP/AWS, etcを使った
Webアプリケーション開発のバックエンド
フロントエンド・クラウド構築業務に従事し、
データサイエンティストとしても、
データ分析や機械学習モデル構築案件を担当。

現在は、
データサイエンススタートアップ企業に参画し、
開発マネージャーとして、
シミュレーション最適化Webシステム構築・気象データ解析・GPSデータ解析POSデータ解析など
さまざまなデータサイエンスプロジェクトに従事。

G検定 2017#1 合格済

G検定サンプル例題

キーワード

人工知能(AI)とは(人工知能の定義)

人工知能をめぐる動向
探索・推論、知識表現、機械学習、深層学習

人工知能分野の問題
トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ

機械学習の具体的手法
代表的な手法、データの扱い、応用

ディープラーニングの概要
ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU  GPU
ディープラーニングにおけるデータ量

ディープラーニングの手法
活性化関数、学習率の最適化、更なるテクニック、CNNRNN
深層強化学習、深層生成モデル

ディープラーニングの研究分野
画像認識、自然言語処理、音声処理、ロボティクス (強化学習)、マルチモーダル

ディープラーニングの応用に向けて
産業への応用、法律、倫理、現行の議論


参考:2021G検定の試験日程

2021#1

2021320日(土)

2021#2

2021717日(土)

2021#3

2021116日(土)

領収書の発行について

前払いの領収書につきまして、PayPalもしくはconnpassで自動発行される領収書をご利用ください
当日払い又は別途領収書をご希望の場合は、発行手数料は2,000(税込)となります。ご了承ください。

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