Deep Learning for Us
高度な数学的知識を必要とせずに、実務で役立つディープラーニング技術を習得することを目指します。
本講座では、TensorFlowを用いた深層学習の基礎から始まり、CNNによる画像認識、RNNやTransformerによる時系列データ解析まで幅広くカバーしています。実例ベースの実装実験を通じて、現場での課題解決に直結するスキルを身につけることができます。各専門領域の経験豊富な講師陣が各トピックを担当するため、実践的かつ最新の技術を学び、ディープラーニング技術を自社業務に応用できる即戦力を養成します。
こんな方におすすめ
・Pythonを使用してデータ処理や分析を行う能力が身につけたい方
・ビッグデータや統計的解析に関わるプロジェクトに携わる方
・モデルの検証やチューニング、特徴量エンジニアリングなど、
データ分析の実践的なスキルが身につけたい方
・より高度なデータ解析手法を理解し、実務で活用できるように
なりたい方
研修のゴール
・日常の業務データを活用
・顧客アンケートの分析
・マーケティングデータからの将来予測
・データを加工して特徴を発見できる
活用事例
大量の資料をNLPで自動で仕分けする、時系列データから異常検知、不良品の判定、音声分類、外観検査AIの構築等
講座概要
カテゴリ | エンジニアリング力 |
講座名 | DL4US |
講座時間 | 計3日間／1日6時間 |
備考備考 | 「第四次産業革命スキル習得講座」「人材開発支援助成金」対象 詳細はコチラ |
iLect Academy 2024 受付中 >>>
CURRICULUM
Curriculum
- カリキュラム
Day 01：深層学習基礎 TensorFlow入門
タスク：機械学習、深層学習基礎
詳細：データ収集・アノテーション、機械学習プロジェクトのポイント
取扱うモデル／テクニック：MLP
Day 02：画像認識
タスク：画像データの分類、物体検出、セグメンテーション
詳細：危険運転検知、部品の欠損箇所セグメンテーション、来店者数のカウント
取扱うモデル／テクニック：CNN
Day 03：系列データ
タスク：時系列データの分類、予測、推薦
詳細：工場の稼働予測、商品の売上予測、商品のレコメンデーション
取扱うモデル／テクニック：RNN、LSTM、Transformer
Day 04：異常検知
タスク：異常検知 - 時系列データと画像
詳細：センサーデータから異常検知、画像データから外観検知
取扱うモデル／テクニック：GAN,VAE ( Day2のCNNに加え )
- option -
異常検知
タスク：異常検知（時系列データと画像）
詳細：センサーデータから異常検知、画像データからの外観検査
取扱うモデル／テクニック：(Day2のCNNに加え)、GAN、VAE
自然言語処理
タスク：センチメント分析、文章分類、固有表現抽出
詳細：アンケート分析(ネガポジ)、社内文書分類、チャットボット開発
取扱うモデル／テクニック：TFIDF,Word2Vec,BERT
強化学習
タスク／詳細：自動運転、操縦、ルートの最適化
取扱うモデル／テクニック：TBA
GNN
タスク：ネットワークの予測、交通・物流予測、レコメンドシステム、化合物、生物分子解析
詳細：
取扱うモデル／テクニック：
process
Process
- 講座開催までのお申し込み手順
STEP 01：お打ち合わせの日程調整
【お打ち合わせカレンダー】よりご希望の日時を選択し、必要事項をご記入の上、日程調整を完了してください。
お打ち合わせはオンライン（Google Meet）で行います。
STEP 02：お打ち合わせ・ヒアリング
お打ち合わせで貴社のニーズのヒアリングをさせて頂き、実課題解決に最適なカリキュラムをご提案致します。
また、開講する期間等、講座に関するご質問への対応をいたします。
STEP 03：講座開催
契約完了となり、講座を開催します！
※本講座はオンラインでもオフライン（対面）でも受講可能です。
review
