Kerasによるディープラーニング実践(CNN/RNN/LSTM)研修

At a glance

スケジュールと申し込み

コースコード

HU0E1X

日数(開始時間~終了時間)

2日 (10:00~18:00)

実施方法

・クラスルーム (本社)、 (ライブオンライン)

受講料

別途お問い合わせ(1社研修での実施となります)

コースの概要

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。

主な対象者

  • Pythonについての基礎を学習されている方
  • 機械学習やディープラーニングについて、基礎を学習されている方
  • 高校レベルの数学知識
    ※関数・ベクトル・行列の計算等

前提知識

  • Pythonについての基礎を学習している
  • 機械学習やDeep Learningについて基礎を学習している
  • 高校レベルの数学知識(関数・ベクトル・行列の計算など)

コースの目的

  • 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。

コースの説明

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