G検定対策講座#2 機械学習全般(02/27)
2021/02/27(土)16:00
〜
17:30
開催
ブックマーク
イベント内容
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:15:55〜16:00
演習:16:00〜16:45
解説:16:45〜17:30
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
・RNN、LSTM
・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。
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。
C、C++、Java、Perl、PHP、Ruby、Python、R、bash 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 と 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、CNN、RNN
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:2021年G検定の試験日程
2021#1
2021年3月20日(土)
2021#2
2021年7月17日(土)
2021#3
2021年11月6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円(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。
※ 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。