Kerasによるディープラーニング実践(CNN/RNN/LSTM)研修

Kerasを使用して、ディープラーニングをPythonで迅速に実践するための方法を学びます。

理論だけではなく、実世界のデータを基に、迅速にプロトタイプを構築し、訓練する方法を学びます。

• ディープラーニングの概要を理解する。
• Kerasの基礎と利用方法を理解する。
• CNN（Convolution Neural Network）を理解し，実践する。
• RNN（Recurrent Neural Network）を理解し，実践する。
• データの精度，学習効率を上げる方法を理解する。

1. 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

ディープラーニングの種類

TensorFlowとTheano

CPUとGPU

2.  Keras基礎

Kerasに必要な環境とインストール

シーケンシャルモデルの概要

アクティベーション機能層

トレーニング

損失関数

オーバーフィッティング（過学習）

確率的勾配降下

バックプロパゲーション（誤差逆伝搬）

学習率

オプティマイザ（最適化アルゴリズム）

scikit-learnとKeras

3. 多層パーセプトロン

ニューラルネットワークの多層化

Kerasで多層パーセプトロンの実装

4. CNN（Convolution Neural Network：畳み込みニューラルネットワーク）

畳み込み処理

畳み込み層

プーリング層

MAXプーリング

KerasでCNNの実装

5. RNN（Recurrent Neural Network：再帰型ニューラルネットワーク）

時系列データの学習

順伝搬計算，逆伝搬計算

勾配消失問題

KerasでRNNの実装

LSTM（Long Short-Term Memory：長・短期記憶）

KerasでLSTNの実装

6. 精度・学習効率向上のために

訓練データの質と量，特徴量，学習手法

規格化，データの正規化，クレンジング

データ拡張 ～難しい（まぎらわしい）データを加える

複数のニューラルネットワークのモデル平均

7. 質疑応答

 

※本コースは株式会社フルネス主催コースです