Pythonではじめるディープラーニング実践：画像解析入門 （オンラインLIVE版）【データサイエンティスト入門研修】
AI（人工知能）技術の一翼を担う「ディープラーニング」について、ビジネス課題の解決を目的にどのようにアプローチしていくのかを講義と実践を通じて学んでいきます。
最近のディープラーニングはライブラリが充実しているため、Pythonに限らずプログラミング経験者であれば動かすことは容易になりました。しかし、性能を上げるための調整や改良を行うためにはディープラーニングの仕組みを理解する必要があります。
本講座では、ディープラーニングの中で使われている数学や統計理論をはじめ、ディープラーニングを学ぶ上で基本となるニューラルネットワークの仕組みを理解し、画像認識で必ず使われるCNN（畳み込みニューラルネットワーク）について学ぶことで、より実用的なディープラーニング実践力を身に付けます。
提供・運営：株式会社ブレインパッド
まずはお気軽に
コースの特徴
- ● ディープラーニングの基礎から習得することで機械学習を用いたよりハイレベルな分析課題に対応するための考え方が身につきます。
- ● ディープラーニングの全体像から具体的な論点を理解することにより、ビジネス現場でのAI（人工知能）に関するプロジェクトを自信を持って企画したり、リードできるようになります。
- ● 演習を通じて、ディープラーニングのモデルを構築して実務で活用する際の注意点や勘所が掴めます。
- ● 講義内容について、講師に直接、疑問点を質問しながら受講できるため書籍などによる独学では学べない「すぐに実践に活かせる」を身に付けることができます。
資料
コース概要
開講日
2024年09月17日（火）
・1日目 2024年09月17日（火）14:00～18:00
・2日目 2024年09月18日（水）09:00～18:00
※お申込み、日程変更／キャンセル締切日は、コース開始日の12営業日前です。
※提携企業のコースのため、お申込み受付後に満席となった場合はご受講いただけないことがあります。あらかじめご了承ください。
・1日目 2024年09月17日（火）14:00～18:00
・2日目 2024年09月18日（水）09:00～18:00
※お申込み、日程変更／キャンセル締切日は、コース開始日の12営業日前です。
※提携企業のコースのため、お申込み受付後に満席となった場合はご受講いただけないことがあります。あらかじめご了承ください。
コース名
Pythonではじめるディープラーニング実践：画像解析入門 （オンラインLIVE版）【データサイエンティスト入門研修】
学習目標
機械学習技術の概要と数学的な背景を踏まえて、ニューラルネットワーク（DNN/CNN）の概要を理解し、問題解決のためにディープラーニングを用いて実践できるようになること
受講形式
オンライン研修
・社用PCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認の上、お申込みください。
・本コースは株式会社ブレインパッドとの提携コースのため、株式会社ブレインパッドで開催します。
受講に関するご連絡は、株式会社ブレインパッドより行わせていただきます。
・コース実施・運営のため、受講者の個人情報を提携先に提供します。
・個人情報の利用目的等については弊社の個人情報保護ポリシー及び個人情報の取り扱いについてをご参照ください。
・社用PCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認の上、お申込みください。
・本コースは株式会社ブレインパッドとの提携コースのため、株式会社ブレインパッドで開催します。
受講に関するご連絡は、株式会社ブレインパッドより行わせていただきます。
・コース実施・運営のため、受講者の個人情報を提携先に提供します。
・個人情報の利用目的等については弊社の個人情報保護ポリシー及び個人情報の取り扱いについてをご参照ください。
受講対象者
・ディープラーニングで何ができるのかを知りたい方
・業務でディープラーニングが必要になった方
・これからAIエンジニアを目指したい方（目指している方）
・ディープラーニングによるビジネス課題の解決に興味がある方
・ディープラーニングを用いたプロジェクトに関わることになったマネジメント層の方
・ディープラーニングの基礎を効率よく理解したい方
・ディープラーニングの書籍だけでは納得できなかった方
・独学による習得に限界を感じている方
・業務でディープラーニングが必要になった方
・これからAIエンジニアを目指したい方（目指している方）
・ディープラーニングによるビジネス課題の解決に興味がある方
・ディープラーニングを用いたプロジェクトに関わることになったマネジメント層の方
・ディープラーニングの基礎を効率よく理解したい方
・ディープラーニングの書籍だけでは納得できなかった方
・独学による習得に限界を感じている方
前提スキル
・機械学習による問題解決実践を受講済みの方、または同等レベルの知識がある方
・PythonまたはPython以外のプログラミング経験がある方
・高校数学程度の知識（特に微分の概念）があることが望ましい
・Zoom・BOXをご利用いただける方
・PythonまたはPython以外のプログラミング経験がある方
・高校数学程度の知識（特に微分の概念）があることが望ましい
・Zoom・BOXをご利用いただける方
受講料
1名様 242,000円（税込）
学習想定総時間
2日
必要環境
【PCの推奨環境】
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨：Core i5以上)
・メモリ：8GB以上(推奨：16GB以上)
・ストレージ：SSD 128GB以上
・Microsoft Office (Excel, PowerPoint ※2016以降)
・安定したインターネット接続環境
・ウェブカメラ、スピーカー（またはイアホン）、マイク
【利用言語・ソフト】
・Python（JupyterLab,Keras)、Microsoft Office（Excel、PowerPoint ※2016以降）
【使用ツール】
・Zoomは研修のライブ配信用に使用しますので必須です。
・BOXは、教材、ソースコード等のダウンロードや総合演習時のチーム内でのファイル共有に利用します。
【推奨環境】
・サブモニターやタブレット。
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨：Core i5以上)
・メモリ：8GB以上(推奨：16GB以上)
・ストレージ：SSD 128GB以上
・Microsoft Office (Excel, PowerPoint ※2016以降)
・安定したインターネット接続環境
・ウェブカメラ、スピーカー（またはイアホン）、マイク
【利用言語・ソフト】
・Python（JupyterLab,Keras)、Microsoft Office（Excel、PowerPoint ※2016以降）
【使用ツール】
・Zoomは研修のライブ配信用に使用しますので必須です。
・BOXは、教材、ソースコード等のダウンロードや総合演習時のチーム内でのファイル共有に利用します。
【推奨環境】
・サブモニターやタブレット。
解約可能期間
理由の如何にかかわらず、お申込み後のキャンセルは受け付けておりませんので、ご返金いたしかねます。受講料の支払い前にキャンセルされた場合でも、全額ご負担いただきます。やむを得ずキャンセルされる場合には、振り替え受講、または、受講者の変更をお願いしております。振り替え受講可能期間は、申込講座の開催日以降、１年間以内に開催される講座とさせていただきます。
備考
・お勤め先のPCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認ください。BOXがご使用できない場合は、メール等にて別途ご相談お願いいたします。
・スピーカー（またはイヤホン）、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・テキストは、PDFデータでの提供となります。快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。ダウンロード方法は、株式会社ブレインパッドより開催約1週間前に送付する受講票メールで、お知らせいたします。
※カリキュラム内容は進行の都合により変更になることがあります。
※当コースの無料体験版はございません。
・スピーカー（またはイヤホン）、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・テキストは、PDFデータでの提供となります。快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。ダウンロード方法は、株式会社ブレインパッドより開催約1週間前に送付する受講票メールで、お知らせいたします。
※カリキュラム内容は進行の都合により変更になることがあります。
※当コースの無料体験版はございません。
カリキュラム概要
カリキュラム
概要
学習想定時間(h)
PART1【講義】
【講義：60分】
・機械学習の基礎
ー人工知能と機械学習の歴史
ー機械学習とその分類
ー教師あり学習
・機械学習の基礎
ー人工知能と機械学習の歴史
ー機械学習とその分類
ー教師あり学習
1h
PART2【講義】
【講義：180分】
・ソフトマックス回帰モデル
ーソフトマックス回帰モデルと学習方法
ー勾配降下法
ー過剰適合と過少適合
ーソフトマックス回帰モデルの性質
ー分類問題に対するモデル評価
・ソフトマックス回帰モデル
ーソフトマックス回帰モデルと学習方法
ー勾配降下法
ー過剰適合と過少適合
ーソフトマックス回帰モデルの性質
ー分類問題に対するモデル評価
3h
PART3【講義・演習】
【講義：120分】
・ニューラルネットワーク
－多層ニューラルネットワークのアーキテクチャ
－多層ニューラルネットワークの学習と誤差逆伝播法
－勾配消失問題とReLU
－勾配降下法と周辺問題
－汎化
【演習：150分】
・Fashion-MNISTを用いた画像認識演習
多層ニューラルネットワーク編
・ニューラルネットワーク
－多層ニューラルネットワークのアーキテクチャ
－多層ニューラルネットワークの学習と誤差逆伝播法
－勾配消失問題とReLU
－勾配降下法と周辺問題
－汎化
【演習：150分】
・Fashion-MNISTを用いた画像認識演習
多層ニューラルネットワーク編
4.5h
PART4【講義・演習】
講義：60分】
・畳み込みニューラルネットワーク
－畳み込み層
－プーリング層
－CNNの弱点とその克服にむけて
【演習：150分】
・Fashion-MNISTを用いた画像認識演習
畳み込みニューラルネットワーク編
・畳み込みニューラルネットワーク
－畳み込み層
－プーリング層
－CNNの弱点とその克服にむけて
【演習：150分】
・Fashion-MNISTを用いた画像認識演習
畳み込みニューラルネットワーク編
3.5h
修了生の声
書籍による独学ではカバーしきれない部分の理解を補助してくれました。
講座難易度、経験豊富な講師と講座運営の全てがディープラーニング初学者の私にぴったりでした！
理論のあらまし、ツールの使い方、実務上注意すべきこと等、機械学習をツールとして利用していくうえで必要な事柄を一通り学べたと思います。今回学んだことをもとに機械学習を自分のスキルにしていけるような気がした。
お支払方法
- ※ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますのであらかじめご了承ください（開催当日の現金でのお支払い、クレジットカードでのお支払いは承っておりません）。参加費は、開催日の5営業日前までにお支払いください。
- ※法人のお客様の場合は請求書払いのご対応も可能です。
FAQ
- 講義は録音、録画できますか？
- 講義の録音、録画はご遠慮ください。
- 受講証を紛失いたしました。受講は可能でしょうか？
- 講座開始日の約1週間前にメールで受講票をお送りいたします。そのメールにWeb会議システム（Zoomなど）のIDとパスワードをお知らせします。IDあるいはパスワードが分からなくなってしまった場合には、受講前日までに株式会社ブレインパッドの担当へご連絡ください。
- 代理人の受講も可能ですか？
- 【対面型講座】
はい、可能です。代理の方が受講される場合には、当日受付にて受講証と代理の方のお名刺をご提示ください。
【オンライン型講座】
はい、可能です。代理の方が受講される場合には、開催当日の2営業日前までにご連絡いただき、会議システムのID/パスワード情報の返却をお願いします。代理受講者の方には事務局より別途、受講要項をご案内します。 - 自身のキャリア形成のために、Pythonによるディープラーニングをこれから習得したいと考えています。ただ、エンジニア職ではなくビジネス職であり、Pythonに関しては超入門講座の受講経験があるのみです。 現在、「Pythonではじめるディープラーニング実践：画像解析入門」の受講を検討していますが、受講前に下位講座にあたる「Rによる統計解析」や「機械学習による問題解決実践」を受講した方がいいでしょうか。受講講座についてのアドバイスをお願いします。
- 講座は原則として これからディープラーニングの学習を始たい方を対象にしております。また、Pythonのコードも一から書いていただくのではなく、サンプルコードを使用したハンズオン形式で講義を進めます。加えて、講座開催中はTA（ティーチングアシスタント）が個別にサポートいたしますので ご安心くださいませ。なお、統計解析の基本的な知識を習得したいという事であれば、下記の講座カリキュラムの受講も併せて検討いただければと損存じます。
現場で活かせる統計解析実践
機械学習による問題解決実践 - 普段は開発系のエンジニアをしているので、プログラムを書くのは得意なのですが、高校時代は文系、大学時代も経済学部と完全な文系脳のため高校レベルの数学知識は正直なところ怪しいです。そのような私でも受講可能でしょうか。
- エンジニア職の方にも文系出身の方がおられるので、最近はそのような質問も承るようになってきました。一方、理系出身で学生時代に数学が得意だった方でも、社会人になって数学からいったん離れてしまうと、すっかり知識から抜けてしまっているケースが見受けられることもあります。
講座内では、関数、行列、微分積分などディープラーニングの理解に必要となる高校数学程度の知識から復習し、機械学習で使われる数学や統計の理論ともに理解していきます。
何となく数式を覚えて理解するのではなく、数学の基礎の基礎から理解していきますので、単純にコードを書いてモデルを構築するよりも学習効果が高くなると考えています。