セミナー
オンデマンド講座!8/31まで視聴可能!
Deep Learningを使った画像処理入門―応用編
【第1部】ハンズオンで学ぶ!強化学習の実装方法
【第2部】判別根拠の可視化技術&GANの理論と派生モデル
開催主旨
2010年代後半以降、AI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。
本講座は、Deep Learningを使った画像処理の「応用編」として、【第1部】はハンズオンを通じて強化学習の実装方法を、【第2部】は、最近注目されている判別根拠の可視化技術とGAN(Generative Adversarial Network)を、それぞれ解説します。
【第1部】は、AIは強化学習とDeepLearningを合体させた深層強化学習の応用例を解説。これらの基本となる強化学習の実装を、オセロゲームの実装ハンズオンを通じて理解を深めます。
【第2部】の前半は、可視化技術を紹介。DeepLearningはブラックボックスといわれますが、Grad-CAMやIntegrated Gradientsに代表される判別根拠の可視化技術が提案されており、これらによりAIがどのようにOKと判別したか、NGと判別したかなどを可視化できます。こここれまで提案されてきている様々な可視化技術の概略を説明し、ハンズオンを通じて、実装方法を習得します。
後半は「GAN」を扱います。米Facebook社の人工知能研究所の所長であるヤン・ルカンは、GAN を「機械学習において、この 10 年間でもっともおもしろいアイデア」とコメントしてました。AIはクリエイティブな仕事までできてしまうかもしれない。そう感じさせる技術がGANであり、第2部では、GANの理論から様々なGANの派生モデルまでを解説します。また、ハンズオンとしてDCGANの実装に取り組み、実際にソースコードをレビューすることで理解を深めます。
なお、本講座は2024年2月20日に開催・収録した内容となっております。第1部は約2時間50分、第2部は約2時35分の内容となっております。
※ハンズオン(実習)につきましては、Anacondaを使用します。ソフトウエアのインストールが可能な方のみ受講可能となっております。セキュリティ設定がある会社PCではなく個人PCでの受講をお薦めします。
概要
視聴期限 | 2024年 8月 31日(土) |
---|---|
受講料 | 16,500円(テキスト代、録画視聴、税込、1名分) ※録画視聴は、URLを把握されている申込者のみがアクセスできるYouTube限定公開にてご視聴いただきます。 |
主催 | 日刊工業新聞社 |
問い合わせ先 | 日刊工業新聞社 西日本支社 総合事業本部 セミナー係 TEL : 06-6946-3372 FAX : 06-6946-3389 E-mail : seminar-osaka@media.nikkan.co.jp |
講師
プログラム
【第1部:強化学習の実装方法】 |
1.深層強化学習の応用から実装まで 1-1 強化学習とは 1-2 深層強化学習の応用例 1-3 2足歩行、ゲームAI、けん玉ロボット、ラジコンレースほか 1-4 ハンズオン:オセロゲームの強化学習モデルを実装 |
【第2部:GAN&XAI】 |
1.判別根拠の可視化技術 1-1 AI脅威論―DeepLearningはブラックボックス? 1-2 判別根拠の可視化とは 1-3 DeepLearningで予測し、その根拠を可視化する効果 1-4 判別根拠を理解するためには(識別器内部での計算過程から理解する/入出力関係から把握する) 1-5 Grad-CAM、Integrated Gradientsなど 1-6 ハンズオン:可視化技術の実装 2.GANの理論と派生モデル 2-1 クリエイティブなAIの登場 2-2 AIが絵を描ける仕組み 2-3 識別から生成モデルへ(VAEで数字や顔を描くと・・・) 2-4 GANとは何か(GANの画像生成能力、ノイズ部分の足し算・引き算で合成も可能) 2-5 貨幣の偽造者(counterfeiter)とそれを見抜く警察(police) 2-6 様々なGAN派生モデル―Disco-GAN/CycleGAN/StarGAN/AttnGAN等 2-7 ハンズオン:DCGANの実装 |
【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) |