ピンボール 危険な刑事

コースコード:AI02F

ディープラーニング ~応用(RNN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時系列データ分析に関する代表的手法「RNN(リカレント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~」を修了、または同等知識をお持ちの方。

到達目標

  • リカレントニューラルネットワーク(RNN)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、RNNのモデルを実装し、時系列データの予測や文章の分類を実施できる。

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、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
・最適化手法(オプティマイザ)
3.RNNの仕組み
・時系列データ(数値データ、自然言語、音声)
・時系列データの予測
・時系列データのニューラルネットワークへの適用
・リカレントニューラルネットワーク(RNN)
・シンプルRNN
・(参考)勾配消失・勾配爆発
・LSTM(Long Short-Term Memory)
 CEC(Constant Error Carousel)
 忘却(forget)ゲート、入力(input)ゲート、出力(output)ゲート
 GRU(Gated Recurrent Unit)
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.モデルの定義
・モデル定義方法
 モデルクラス作成
 RNN層定義
 全結合層定義
 モデル生成
 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
 モデル表示、モデルのセーブ・ロード
6.学習
・PyTorchによる分析の流れ(データ変換、学習、予測)
・データ変換処理
 学習用データ、検証用データ分割
 データをTensor型に変換
 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
7.演習1
・時系列データの予測(訪日客数を予測)
・演習の流れ
 データの観察・加工(欠損、異常値の対応、二値化、正規化/標準化、分割)
 モデルの作成・学習
 予測
8.自然言語の前処理
・形態素解析
・分散表現(単語埋め込み)
・文章の前処理
 クリーニング、文字の正規化、単語の正規化、ストップワード除去
・torchtextによる前処理
9.言語モデル
・言語処理を行うモデルの定義
・エンベディング層
・PyTorchによる文章分類の流れ
 前処理
  文章の前処理設定、文章の読み込み
  データセット作成、学習用・検証用データの分離
  単語辞書作成、ミニバッチ学習用にデータ設定
 学習
  学習関数、検証関数、学習処理
 予測
  予測関数
10.演習2
・文章の分類(ネガ/ポジ判定)
・演習の流れ
 文章の前処理
 モデルの作成・学習
 学習済単語ベクトルの利用
 Self Attentionによる結果の可視化(双方向RNN)
11.Seq2Seq
・Sequence-to-Sequence
・Seq2Seqのモデル
 エンコーダ(Encoder)、デコーダ(Decoder)、Attention
・(参考) 翻訳の精度
12.Transformerの紹介
・Transformerの構造
 Encoder、Decoder、Positional Encoding、Multi-Head Attention
・Transformerを利用した翻訳
・BERT
・GPT-3
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

「トレンドの情報が網羅されていた点が良かったです」
「RNN実装時の大きな流れやチューニングのポイントなどが理解でき、大変有効な研修でした」
「テクニカルな内容でやりごたえがあり、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 AI02F702K 遠隔ライブ研修 2024/02/20~
2024/02/20
1日間 09:30~
17:30
2024/02/14
2024/02/14

リコメンド

「ディープラーニング ~応用(RNN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。