100回以上の法人研修を実施！
AIエンジニア育成講座
ディープラーニングを実装できるエンジニアを育成します。
ディープラーニングのプログラムを実装するスキルが身につく
プログラミング言語のPythonの基礎から、画像解析、時系列解析、自然言語処理、強化学習など応用分野に向けた一通りのカリキュラムを提供しています。
最新の人工知能技術と技術動向を提供
最新論文や、大学の研究知を元に、最新の人工知能技術と技術動向をお伝えしています。
貴社の抱える悩みに合わせた個別カリキュラムを作成
「画像解析を使ったサービスを作りたい」や「お問い合わせ対応を自然言語処理で簡単にしたい」などさまざまな要望に対し、適切なカリキュラムを組むことで効率的な学習を支援致します。
体系立てたカリキュラム
基礎から応用までしっかりと実力をつけられるようなカリキュラム設計をしています。また、「データ分析力を高めたい」や「人工知能技術で注目を集めているディープラーニングをみっちり学びたい」といった個別のご要望にお応えできるよう、ご要望に合わせた複線的なカリキュラムを設けております。
カリキュラムの概要紹介
ディープラーニング基礎
ニューラルネットワークの仕組み、勾配降下法、誤差逆伝搬法など、ディープラーニングを理解する上で必須の内容について学習していきます。
出典：R. Abedini , M. Esfandyari , A. Nezhadmoghadam and B. Rahmanian, “The Prediction of Undersaturated Crude Oil Viscosity: An Artificial Neural Network and Fuzzy Model Approach,” Petroleum Science and Technology, vol. 30, no. 19, pp. 2008–2021, 2012.
画像認識
ディープラーニング技術が特に効果を発揮しているのが画像の分野です。画像認識のためのCNNの応用、画像認識ライブラリのOpenCVを学習します。また、「どこに物体が写っているか？」と「何が写っているか？」を同時に予測する物体検出手法であるYOLOやSSDといった手法を学習します。
時系列分析
時間的な前後関係を学習することで、予測モデルを構築することができます。時系列データを扱うために、RNN（リカレントニューラルネットワーク）やLSTMなどの仕組みを中心に学習していきます。
自然言語処理
「機械翻訳」、「音声認識」、「画像キャプションの生成」など、自然言語処理にディープラーニングの技術は用いられています。言語を数値やベクトルとして扱う考え方から解説し、系列変換モデルのSeq2SeqやAttentionを学習していきます。
出典：Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436–444, 2015.
I. Sutskever, O. Vinyals, and Q. Le, "Sequence to Sequence Learning with Neural Networks," NIPS 2014
強化学習
明確な教師データがない問題に対しても効果を発揮する学習方法です。 囲碁の人工知能「AlphaGo Zero」は強化学習をベースに学習をしています。 価値関数や方策関数といった用語の理解から、Deep Q学習などの仕組みなどについて学習していきます。
出典：Richard S. Sutton and Andrew G. Barto. 2017. Reinforcement Learning: An Introduction. Second edition.The MIT Press.
生成モデル
データセットで生成する確率分布をモデル化することで、未知のデータや欠損値を生成することができます。 画像、動画、音声、文章などの創作への活用が注目されている分野です。 生成モデルで代表的なGANやVAEなどのアルゴリズムを学習していきます。
出典：Image-to-Image Translation with Conditional Adversarial Networks.
カリキュラムの詳細
AIジェネラリスト育成コース
- AIの概要
- 非エンジニアでもわかるAI技術の仕組み
- AI技術の事例
- AI技術のトレンド
プログラミング基礎コース
- Python基礎
- Numpy基礎
- Pandas基礎
- Matplotlibによるグラフ描画
数学・統計学
- 行列
- 固有値・特異値
- 微分・偏微分
- 情報理論
- 確率・統計
- 確率変数と確率分布
- 統計的推定
- ベイズの定理
- ベイズ推定
機械学習・AI基礎講座
- データサイエンスの概要
- 機械学習の概要
- 教師あり学習
- 教師なし学習
- モデルの検証方法とチューニング方法
- パーセプトロン
- ニューラルネットワーク
- 順伝搬
- 誤差逆伝搬
- 勾配降下法
- MNISTデータの学習
- ハイパーパラメーターのチューニング
- CNN
- RNN
ディープラーニング実践講座
- 画像認識、画像解析
- 時系列分析
- 自然言語処理
- 強化学習
- 異常検知
- 生成モデル
講義の構成例
「Pythonの基礎から始めて、ディープラーニングの基礎をしっかり身につけたい」という場合、以下のようなカリキュラムをお勧めしております。
- day1 AI入門講座 イントロダクション
- day2 Python基礎
- day3 Python基礎とNumpy
- day4 Pandas基礎
- day5 データ分析、機械学習基礎
- day6 ディープラーニング基礎（ニューラルネットワークと勾配降下法）
- day7 ディープラーニング基礎（MNISTを用いた学習）
- day8 ディープラーニング基礎（パラーメータチューニング）
- day8 画像解析入門 CNN
- day9 時系列分析入門 RNN、LSTM
- day10 自然言語処理入門
- day11 強化学習入門
- day12 生成モデル入門