ピンボール 危険な刑事

コースコード:AI02E

ディープラーニング ~応用(CNN編)~(1日間)

最新の開催情報

受講料
99,000円 90,000円
講習日数
1日間

コース概要

ディープラーニングの画像認識に関する代表的手法「CNN(畳み込みニューラルネットワーク)」の特徴と基本的な仕組み、データ分析の方法を学びます。
機械学習のデファクトスタンダードであるJupyter Notebook上で、Python/PyTorchを使い学習します。

開催形式
遠隔ライブ研修
研修サービス
テキスト マシン実習

前提知識

以下のすべての条件を満たしている方
  • 「ディープラーニング ~基礎~」コースを修了、または同等知識をお持ちの方。

到達目標

  • 畳み込みニューラルネットワーク(CNN)の特徴、仕組みを説明できる。
  • Pythonの深層学習ライブラリであるPyTorchを用いて、CNNのモデルを実装し、画像認識を実施できる。

研修コースマップ

デジタルトランスフォーメーション(DX)

コース内容

1日目
AM
1.ディープラーニングとは
・AIとは
・ディープラーニングの種類
 (全結合型)ニューラルネットワーク
 畳み込みニューラルネットワーク(CNN)
 再帰型ニューラルネットワーク(RNN)
・ディープラーニングの入力・出力
・ディープラーニングの活用例
2.全結合型ディープラーニングの復習
・ニューロンと人工ニューロン、ニューラルネットワーク
・ニューラルネットワークの層(入力層、中間層、出力層)
・ニューラルネットワークの学習(順伝播、逆伝播(誤差逆伝播))
・全結合、活性化関数(ReLU関数(ランプ関数)、恒等関数、sigmoid関数、softmax関数)
・誤差逆伝播法、損失関数、勾配降下法、重みの更新、学習係数
・最適化手法(オプティマイザ)
3.CNNの仕組み
・画像データ(画像の次元、画像のデータ量)
・画像のニューラルネットワークへの適用
・CNN(Convolutional Neural Network)
・畳み込み(特徴マップ、パディング、ストライド)
・プーリング(パディング、ストライド)
・flatten
・CNNモデル作成ポイント
4.ディープラーニングのフレームワーク
・ディープラーニングのフレームワーク
・PyTorchとは
5.画像の前処理・データ拡張
・画像の前処理(画像サイズの統一、正規化・標準化)
・データ拡張(切り抜き、リサイズ、反転、回転、一部消去)
・Transformsによる画像変換
・画像データを扱う上での注意点
6.モデルの定義
・モデル定義方法
 モデル作成
 畳み込み定義(畳み込み関数、活性化関数、Maxプーリング関数)
 flatten定義
 全結合層定義(全結合、活性化関数)
 活性化関数(出力層)定義、損失関数設定
 オプティマイザ、スケジューラの設定
・モデルの表示、セーブ・ロード
7.学習
・PyTorchによる画像分類の流れ
・画像の加工・拡張定義
 画像変換・拡張(transformsの定義)
 画像の読み込み
 学習用データ、検証用データの分離(random_split関数)
 ミニバッチ学習用にデータ設定(バッチサイズ、エポック数、DataLoader)
・学習処理(学習関数、検証関数)
・予測処理(予測関数)
・(参考)GPUの利用
PM
8.演習
・Python/PyTorchによる演習(道路標識の分類)
 学習の前準備(画像サイズの統一、データ拡張)
 モデルの作成・学習
 バッチ正規化の適用
9.転移学習・ファインチューニング
・ILSVRCでの画像分類精度
 (参考)AlexNet、VGG、GoogLeNet、ResNet(Residual Network)
・(補足)畳み込み手法
 Pointwise Convolution、Depthwise Convolution
 Group Convolution、Dilated Convolution
・(補足)Global Average Pooling
・学習済モデルの活用
・転移学習
・ファインチューニング
10.学習の可視化(Grad-CAM,Grad-CAM++)
・Grad-CAM
・Grad-CAM++
11.物体検出、セグメンテーション、姿勢推定
・物体検出(Faster R-CNN)
・セグメンテーション(Mask R-CNN)
 セマンティック・セグメンテーション
 インスタンス・セグメンテーション
 パノプティック・セグメンテーション
・姿勢推定(Keypoint R-CNN)
12.GANの紹介
・AutoEncoder
 VAE(変分オートエンコーダ)
・GAN(敵対的生成ネットワーク)
・主なGAN
 スタイル変換、高解像度、異常検知、文章から画像生成
2023年4月時点のカリキュラムです。カリキュラムは変更になる可能性があります。

お客様の声

「全体として非常に聞きやすく、説明も丁寧でしたのでとても満足できました。質問にも丁寧に回答いただきました」
「Jupyter Notebookを使用して、実際に手を動かしながら学習を進められたので、より理解が深まりました」
「テクニカルな内容で、とても満足しました」

留意事項・備考

■参考URL

■遠隔ライブ受講について■

<■本コース受講にあたっては、事前の準備が必須となります。>

お申込みの前に、事前準備をご確認ください。また、ご受講の際は、研修開始前までにご準備ください。

◎事前準備

◆遠隔ツール :Zoom
Zoomに関する準備手順は、Zoom受講マニュアルよりご確認ください。

※本研修ではZoomの機能中、「チャット」、「名前の変更」を使用いたします。

また、Zoomの利用に際し、下記が必要となりますので、あらかじめご用意ください。

  1.インターネットに直接接続ができるPC
  2.Zoomで使用可能なマイク(質問用として使用することがあります)

◆演習用ソフトウェア:
Chrome、またはFirefoxのWebブラウザの準備をお願いします。

◆教材 :電子教材
研修開始7日前以降に送付いたします。
※本研修では、電子テキスト+Zoom講師画面共有での説明が行われるため、サブディスプレイのご利用をお勧めいたします(必須ではありません)。

◆その他の準備 :ファイル共有
本コースでは、ファイル共有のためにMicrosoft OneDriveを利用します。
Microsoft OneDriveの利用方法については、研修開始7日前以降にご連絡いたします。

◆グループワーク:無し

==============================
本研修はNEC AI・アナリティクス事業統括部との連携案件となります。
そのため、受講者データを同事業部と共有させていただきます。
共有する情報は、本アンケートにご記入頂いた回答、受講コース名、会社名、所属、お名前、電話番号、E-mailアドレス、職種の項目になります。

開催スケジュール詳細・お申込

「カートに追加」欄の追加をクリックすると、web申込が可能です。
申込期限およびキャンセル期限は、各締切日の16:30です。  

◎・・・6名様以上、空いております。
○・・・1~5名様の空きがございます。
△・・・キャンセル待ちとなります。(ただし、備考欄に注記がある場合はキャンセル待ちではありませんので、注記をご参照ください)
空席状況は定期的に更新しています。◎○でも、既に満席の場合はご了承下さい。詳細な空席状況は研修申込センターにお問い合せください。

地区 開催番号 会場名 開始日~
終了日
日数 講習時間 申込締切日 空席
状況
備考 カートに
追加
キャンセル締切日
遠隔ライブ AI02E702K 遠隔ライブ研修 2024/02/19~
2024/02/19
1日間 09:30~
17:30
2024/02/13
2024/02/13

リコメンド

「ディープラーニング ~応用(CNN編)~」コースを申込んだ人は、こんなコースも申し込んでいます。