問題演習で学ぶ画像認識/物体検知講座(2/12)

2022/02/12(土)16:00 〜 17:30 開催

ブックマーク

Ruby, Java, Python

イベント内容

内容概要

画像認識／物体検知について、G検定E資格の演習を交えつつ、主なモデルについて解説します。

画像認識の主なモデル
物体検出の基礎用語
データセット
畳み込み手法
物体検出モデルの特徴
セグメンテーション

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。

スライド抜粋

開催時間

内容	時間帯
受付	15:50 〜 16:00
解説と演習	16:00 〜 17:30

スライド抜粋

会場

オンライン
当日アクセスいただくURLや、当日の資料配布は、以下slack参加者のみご案内致します。
http://bit.ly/2RWooDf
スライド抜粋

詳細アジェンダ

画像認識の主なモデル
- GoogLeNet
- ResNet
物体検出の基礎用語
- モデルの評価指標
- 評価指標概要
- mAPの導出
データセット
畳み込み手法
- pointwise/depthwise convolution
- dilated convolution
- transposed convolution
物体検出モデルの特徴
- Fast R-CNN/Faster R-CNN
- SSD
- YOLO
セグメンテーション
- セグメンテーションの種類
- Dice係数
- FCN
- SegNet
- U-Net

※詳細は一部変更となる可能性があります。

スライド抜粋

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

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）
スライド抜粋

講師プロフィール

監修

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

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#1,2021#1 合格済
E資格 認定講座 修了済

スライド抜粋

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