| コース概要・特徴 | 既存のライブラリを利用して、自分で学習モデルを作成することができます。 「講義」全体の約20% ・講義 ・ディスカッション 講義時間の最後に、受講者自身の振り返りとなるサマリーを作成。受講者間でサマリーの相互確認を行うことで、受講者自身の知識確認を行います。 「演習」全体の約80% ・実習 ・グループワーク 終了時間前に、その日の演習内容を受講者が簡単なレポートを作成し、問題定義を明確にする。何を行い、その結果どのような問題が解決できそうか、明確にして振り返りとする。IoT,AIではサービス構築の時間を最後に設け、そこで各々が構築したサービスから、理解度や習熟度を確認します。 |
| 対象 | ITSSレベル4の方。または、レベル4を目指す方。 AIアプリケーションや最新ツールをもとに、研究・開発で実際に活用しようとする企業内研究者・技術者の方。 |
| 目標 | Deep Learningをはじめとした様々なAI技術について学び、これらを活用して自社ソリューションを構築し、実際に自ら動かすことができる。 |
| 前提条件 | クラウドやプログラミングについて知識がある方。 |
カリキュラム
| 日程 | 4日間 |
- 人工知能AI技術の可能性
- 国内外の事例を中心に技術体系の整理と先進事例を学ぶ。
- 自動運転へのディープラーニングの応用や創薬・医療診断における人工知能、
ロボットにおける活用や外観検査・材料開発・エネルギーに至るまで産業に与えるインパクトなどを理解する。
- 機械学習の体系／演習
- 教師あり学習・教師なし学習
- 適切なアルゴリズムの選択
- ワークフローの選択
- ハードクラスタリングとソフトクラスタリングをサンプルアプリケーションで習得
- ニューラルネットワークの特徴と得意分野について
- アルゴリズムの理解、逆誤差伝搬法、プレトレーニングといったニューラルネットワークの基本について習得
- Deep Learning実践事例と代表的なフレームワーク
- Deep Learningの仕組み、モデル（制約ボルツマンマシン、deep Belief Network）、
ツール（Theano, Caffe, TesorFlow, etc）を学び、実際に学習モデルを組み立てる。
- Deep Learningの仕組み、モデル（制約ボルツマンマシン、deep Belief Network）、
- クラウド環境を利用したAIプログラミング
- AWS等で提供されているクラウド機械学習サービスを利用して、AIプログラミングを行う。
- 総合演習
- 機械学習ライブラリやクラウドサービスなどを使用し、独自サービスをグループで構築する。
- 発展内容としてIoTも含めたサービスの展開についても演習を行う。
