セミナー
【ライブ配信セミナー】
はじめてのディープラーニングを使った画像処理入門―初級&中級編
~TensorFlowで始めるAI導入とビジネス応用~
開催主旨
ここ数年、AI(Artificial Intelligence、人工知能)の応用が急速に進展しています。劇的な識別率の向上をもたらし、AI分野を発展させたのが、脳の働きからヒントを得た学習手法である「Deep Learning(ディープラーニング)」のアルゴリズムです。そして、このアルゴリズムの平易な実装のために、米Google社がオープンソースライブラリとして公開しているのが「TensorFlow(テンソルフロー)」です。公開以来、ユーザー数が爆発的に拡大しており、研究用途からビジネスユースまで様々な分野で利用されています。
本セミナーでは、前半(午前)は「初級編」として、TensorFlow公式サイトでチュートリアルとして公開されている「MNIST For ML Beginners」をPC演習で体感し、ディープラーニングの仕組みを学びます。また、文字認識での応用例を通じて、ディープラーニングを使った画像検査システムを構築するための基礎を学びます。
後半(午後)は「中級編」として、ディープラーニングを使った一般物体認識とカメラ画像から歩行者の性別、年齢、服装、姿勢などを識別するPC演習を行い、ロボットでの応用システム構築のための実践力を掴みます。
*講座の後半は、「Anaconda」というpythonの開発環境を用いて進行します。開催1週間前頃にAnacondaとTensorFlow、その他のパッケージのインストール手順資料をお知らせします。
本セミナーは、オンライン配信ツールZoomを使い、出演者自身も自宅から出演いただく形式の「Home to Home」(H2H)セミナーとなります。ご視聴方法(参加用URL等)はご登録くださいましたメールにお知らせいたします。ZOOMでの視聴が困難な方には別途、こちらの手順を参照のうえブラウザ上でご視聴ください。本方法での視聴が難しい方は、他の視聴方法をご案内いたしますので問い合わせ先のメールアドレスまでご連絡ください。
概要
日時 | 2021年 3月 23日(火) 【午前】10:00~13:00 【午後】14:00~17:00 (休憩13:00~14:00) |
---|---|
受講料 | 22,000円(午前または午後のみ) 39,600円(終日) ※いずれもテキスト、サンプルプログラム、税込 ※振込手数料は貴社でご負担願います。 ※講座実施前の入金をお願いしておりますが、新型コロナウィルス感染症の影響を考慮し、講座実施後の入金にも対応しています。 |
主催 | 日刊工業新聞社 |
協力 | 計数技研 |
問い合わせ先 | 日刊工業新聞社 大阪支社 事業出版部 セミナー係 TEL : 06-6946-3382 FAX : 06-6946-3389 E-mail : seminar-osaka@media.nikkan.co.jp |
講師
プログラム
【前半:初級編(10:00~13:00)】 |
1.Deep Learningとは 1-1 AIって何? 1-2 そのAIは知的ですか? 1-3 AIには何が必要か? 1-4 ルールベースの人工知能 1-5 機械学習による識別と限界 1-6 Deep Learningによる識別率の向上と発展 1-7 Deep Learningのメカニズム 1-8 Deep Learningの問題点 1-9 GAN(Generative Adversarial Network)による画像生成 1-10 Deep Reinforcement Learning(深層強化学習)の特徴と応用 2.TensorFlowの応用例 2-1 AIシステムの捉え方 2-2 AIの応用例 2-3 原料検査/犯罪発生予測/過激派動画の削除/SNSリアルタイム速報/自動記事生成など 2-4 画像処理によるキュウリ仕分け 2-5 講師が取り組む研究プロジェクト 3.TensorFlowの導入 3-1 TensorFlowでできること 画像認識/画像生成/音声認識/自然言語処理/ロボットの学習/医療診断など ニューラルネットとは 3-2 環境構築の方法と注意点 4.MNIST For ML Beginners 4-1 「MNIST」とは 4-2 画像認識の仕組み 4-3 ニューラルネットで手書き文字を認識 4-4 TensorFlowでの計算の考え方 4-5 実際に手書き文字を評価 4-6 実際に手書き文字を学習 4-7 ニューラルネットで手書き文字を識別 |
【後半:中級編(14:00~17:00)】 |
5. 畳み込みニューラルネットワークとは 5-1 畳み込みとプーリング 5-2 活性化関数 5-3 Dropoutとは? 6. ディープラーニングを使った一般物体認識 6-1 一般物体認識データセット CIFAR-10とは 6-2 CIFAR-10をpythonで読み込む 6-3 CIFAR-10を管理するクラスを定義 6-4 CIFAR-10クラスの拡張 next_batchメソッドの追加 6-5 ミニバッチ学習について 6-6 TensorFlowで学習 7.ディープラーニングを使った歩行者属性認識 7-1 歩行者属性とは?その応用例など紹介 7-2 画像認識の仕組み 7-3 畳み込みニューラルネットワークの仕組み 7-4 歩行者データセットを使った学習 7-5 識別能力の評価 7-6 簡単なデモンストレーション 8.質疑応答 |
【ライブ配信セミナーに伴う注意事項について】⇒ 【詳細はこちら】 ※必ずお読みください(お申込みを頂いた時点でご同意頂いたとみなします) |