一社研修カテゴリインデックス

Kerasによるディープラーニング実践(CNN/RNN/LSTM)研修

コースジャンル

人工知能技術

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。​

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。​

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​

テキスト

フルネスオリジナルテキスト

基本日数

2日間 ※カスタマイズは可能です

内容

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​

備考

・法人企業様のみの対象となります。

タグ: , , ,