3ヵ月で現場で潰しが効く
ディープラーニング講座とは

本講座は、ディープラーニングを実装するエンジニアの技能を習得するための講座です。
数理的な基礎原理から体系的に習得する一方、実務で必要な周辺処理や実践手法を中心に学びます。
現場で未知の課題に直面しても潰しが効く技能を身に着ける事がゴールです。

受講者の声

Y.Kさん(30代 エンジニア)

もともとデータサイエンティストでしたが、Study-AIで半年間ディープラーニングの実務を学び、社内のAI開発部へ転属できました。ここからさらにのし上がっていきたいと思います。

Y.Nさん(20代 エンジニア)

まだ受講中なのですが、Study-AIの講座を受けていることをPRして転職活動がうまく行きました。未経験ですが上場企業のAI開発のポジションに内定しています。これからは業務で活用するのでさらに一生懸命取り組みたいと思います。

T.Kさん(30代 コンサルタント)

IT関連のビジネスよりのコンサルでしたが、Study-AIの講座でディープラーニングの実装も出来るようになり、本年大手商社の技術顧問へ転職する事に成功しました。今後もますます先端技術をキャッチアップしていかなければいけませんが、Study-AIの講座に期待しています。

070-1392-0909(10:00-18:00)

studyai2020@gmail.com

この講座だけ2つの強み

その 1

日本初
AI資格試験に対応

本講座は日本ディープラーニング協会のDeep Learning資格試験(E検定)の受験に必要な、協会認定の講座プログラムです

E検定(2018年9月予定)を受験するためには、本プログラムの受講と修了認定が必須となります。

E検定とは

東京大学松尾豊特任准教授が理事を務め、日本や世界のAI技術を牽引する企業が監修・協賛する高度なAI技術者を証明する資格です。

その 2

実践習得に特化

本講座は現役AIエンジニアが講師を担当します。
生の現場での実装課題や、技術課題。開発研究への取り組み方を習得し現場での応用力をつけます。

  • 応用数学は数学教育の専門家、機械学習は機械学習のAIエンジニアがそれぞれ担当します。
  • ディベロップタームの初めに制作課題について発表があります。

    講座修了時までに必要な要件を満たして課題を提出して頂きます。


    また、単に”動く”や”規定の精度が出た”だけでなく実装過程を説明できるようになります。

070-1392-0909(10:00-18:00)

studyai2020@gmail.com

最高水準のスキルが身につく

3ヶ月で実践的なスキルを持ったエンジニアになれるカリキュラムを用意しています。
また、現場で潰しが効くよう基礎原理を網羅した内容を習得することが出来ます。

1応用数学

AIに必要な応用数学を体系的に学びます。AIエンジニアとして潰しが効くためには、ドメイン(専門領域)や論文の最新情報をキャッチアップする必要があります。

それらは数学で書いてあります。
この機会に本が読めるようになりましょう。

2全体像がわかるカリキュラム

日本で初めて個人向けに本格的なディープラーニング講座を始めたStudy-AI(当講座主催)では、受講生の挫折ポイントを良く知っています。

  • 全体像の把握。自身の言葉で説明できること。
  • 基礎の繰り返し

この二つが出来ている方は挫折しません。
基礎が出来ていないと応用が利かずある所から理解が進まなくなります。
全体像が見えていないと膨大なAIの知識の海で迷子になります。

本講座では、基礎の繰り返しと全体像の把握を徹底しています。

3機械学習の基礎

Deep Learningの大本には機械学習があります。そもそも統計分析の基礎手法を知らないままディープラーニングのみ実装できても現場では“潰し”が効きません。

どのような手法、どのような時代にも対応できるデータサイエンティスト、AIエンジニアとして活躍するために、本講座では機械学習の基礎もしっかりと固めて頂きます。

4ディープラーニング

メインのディープラーニングです。
実践演習と課題を中心とした講義となります。

一方で基礎原理の深い理解と網羅的な把握を目指します。
Tensor FlowやKerasなど特定の環境やツールのみで実装できるのではなく、どのような環境でも対応できる力を付けます。

 製作課題に挑戦します。


全員に製作課題を提出して頂きます。(オンライン参加の方もオンラインにて提出が必要です。) 現役AIエンジニアが講師のハンズオンだから可能な対価であり、本講座のメインテーマとなります。

070-1392-0909(10:00-18:00)

studyai2020@gmail.com

3ヵ月で現場で潰しが効くディープラーニング講座

4 Lesson ベーシックターム

応用数学・機械学習・ディープラーニングの全体像を学び、AIエンジニア、データサイエンティストとしての基礎力を身につけます。

学べるスキル

線形代数/確率統計 詳細

■線形代数

特異値分解

■情報理論

■確立と統計

一般的な確率分布

    

ベルヌーイの分布布

マルチヌーイの分布

ガウス分布

ベイズ則

機械学習の基礎
- 業務に必要なデータ処理など現場での実装手法もここで学べます。 詳細

機械学習の基礎

学習アルゴリズム

能力、過剰適合、過少適合

ハイパーパラメータ

検証集合,学習データ、検証データ、テストデータ

最尤推定、条件付き対数尤度と平均二乗誤差

教師あり学習アルゴリズム、ロジスティック回帰、サポートベクトルマシン、最近傍法、k近傍法

教師なし学習アルゴリズム

順伝播の基礎

線形問題と非線形問題

コスト関数、出力ユニット、隠れユニット

アーキテクチャの設計

ディープラーニングの全体像と順伝播 詳細

Deep Learning講座の全体像

Deep Learningの実装と理論

手書き文字認識データ(MNIST)の扱い方

既存手法との比較

実用的な方法論 性能指標

データの追加収集の判断

ハイパーパラメータの選択 手動でのハイパーパラメータ調整

グリッドサーチ

ランダムサーチ

モデルに基づくハイパーパラメータの最適化

8 Lesson ディベロップターム

ディープラーニングの実践課題を中心とした講義となります。
一方で基礎原理の深い理解と網羅的な把握を目指します。
出席日数と到達度により高度な実装技術を有するAIエンジニアの証明としてDeep Learning協会認定講座の修了証を発行します。
※画像はイメージです。

学べるスキル

ディープラーニング/生成モデル/自己符号化器/強化学習
RNN時系列など様々なデータの取り扱い/LSTMと自然言語処理/DNNの最新モデル/転移学習/検知、セグメンテーション/現場での考え方 詳細

■アーキテクチャの設計 万能近似定理と深さ

■誤差逆伝搬法およびその他の微分アルゴリズム 計算グラフ

微積分の連鎖率

誤差逆伝搬のための連鎖率の再起的な適用

全結合 MLP での誤差逆伝搬法

シンボル間の微分

一般的な誤差逆伝播法

■パラメータノルムペナルティー L2パラメータ正則化

L1正則化

■条件付き最適化としてのノルムペナルティ

■正則化と制約不足問題

■データ集合の拡張

■ノイズに対する頑健性 出力目標へのノイズ注入

■半教師あり学習

■マルチタスク学習

■早期終了

■パラメータ拘束とパラメータ共有

■スパース表現

■バギングやその他のアンサンブル手法

■ドロップアウト

■学習と純粋な最適化の差異 経験損失最小化

代理損失関数と早期終了

バッチアルゴリズムとミニバッチアルゴリズム

■ニューラルネットワーク最適化課題 悪条件

局所値

プラトー、鞍点、その他平坦な領域

崖と勾配爆発

長期依存性

不正確な勾配

局所構造と全体構造の不十分な対応関係

最適化の理論的限界

■基本的なアルゴリズム 確率的勾配降下法

モメンタム

ネステロフのモメンタム

■パラメータの初期化戦略

■適応的な学習率を持つアルゴリズム AdaGrad

RMSrop

Adam

■二次手法の近似 ニュートン法

共役勾配

BFGS

■最適化戦略とメタアルゴリズム バッチ正規化

座標降下法

ポルヤック平均化

教師あり事前学習

■畳み込み処理

プーリング

構造出力

データの種類

■効率的な畳み込みアルゴリズム

■ランダムあるいは教師なし特徴量

■計算グラフの展開

■回帰結合型のニューラルネットワーク 教師強制と出力回帰のあるネットワーク

回帰結合型ネットワークにおける勾配計算

有向グラフィカルモデルとしての回帰結合型のネットワーク

RNNを使った文脈で条件付けされた系列モデリング

■画像認識の有名なモデル

VGG

AlexNet

GoogLeNet

Resnet

■特徴量の転移

■画像の局在化、検知、セグメンテーション

■双方向 RNN

■Encoder-Decoder と Sequence-to-Sequence

■深層回帰結合型のネットワーク

■再帰型ニューラルネットワーク

■長期依存性の課題

■エコーステートネットワーク

■複数時間スケールのための Leaky ユニットとその他の手法 時間方向にスキップ接続を追加

Leakyユニットと異なる時間スケールのスペクトル

接続の削除

■ゲート付きRNN LSTM

GRU

■長期依存性の最適化 勾配のクリッピング

自然言語処理とRNN

メモリネットワーク Attention

■不完備な自己符号化器

■正則化付きの自己符号化器 スパース自己符号化器

雑音除去自己符号化器

微分へのパナルティによる正則化

■表現力、レイヤーサイズ、及び深さ

■確率的な符号化器と複号化器

■雑音除去自己符号化器

■自己符号化器による多様体学習

■縮小自己符号化器

■予測スパース分解

■ボルツマンマシン

制限付きボルツマンマシン

深層信念ネットワーク

深層ボルツマンマシン

畳み込みボルツマンマシン

構造化出力や系列出力のためのボルツマンマシン

■有向生成ネットワーク 変分自己符号化器

敵対的生成ネットワーク

■自己符号器からのサンプリング

■生成的確率ネットワーク

■強化学習

価値反復法

Q学習

方策勾配法

深層Qネットワーク

※学べる内容は現時点(4月1日)の予定です。資格試験内容や、講義の状況に応じ変更する場合や実施しない場合があります。予めご了承ください。

070-1392-0909(10:00-18:00)

studyai2020@gmail.com

料金・スケジュール

料金

個人 法人
35万円(税別) 45万円(税別)

オンライン受講: Skypeにてリモート受講可能です。法人複数受講の場合大幅割引となります。

※ディベロップタームのみご受講の場合は、個人25万円/法人35万円となります。- 要確認テスト。

※分割払い可(個人の方)/ クレジット決済対応(VISA,JCB,AMERICANEXPREESS,MASTERCARD)

日時

ベーシックターム

  • 5月20日 ( 日)3時間×2 Lesson
  • 6月03日 (日) 3時間×2 Lesson

ディベロップターム

  • 6月17日 (日) 3時間×2 Lesson
  • 7月01日 (日) 3時間×2 Lesson
  • 7月15日 (日) 3時間×2 Lesson
  • 7月29日 (日) 3時間×2 Lesson

※詳細時間は日中10時~19時の間で調整中となっております。

復習(欠席)用として、講義動画を講義後2日以内に限定公開いたします。


無料説明会日時

2018年4月15日(日) 14:00-15:00 【満席】

2018年4月22日(日) 14:00-15:00 【満席】

2018年4月25日(水) 19:00-20:00

※説明会会場:りそな九段ビル5階(東京九段下駅徒歩30秒)

※日程が合わない場合やご希望の場合、個別カウンセリング(無料)も対応しております。特にプログラミングや数学の基礎力に不安がある方は個別カウンセリングにて学習計画を検討してから受講をお申込みください。

「現場で潰しが効くディープラーニング講座」定員 20名

持ち物 ノートPCを持参

講座の対象者

  • 高校数学の知識がある方
  • プログラミング実務経験がある方
  • 講座以外での学習時間が各月30時間以上を確保できる方

【プログラミングや数学の知識が不足する方へ】

  • 高校数学やプログラミングの知識が不足する方も講義期間中に不足範囲をカバー頂ける場合はご参加頂けます。追加で相応時間の自習時間の確保が必要です。
  • 個人の状況により受講頂けるかを事前にご相談の上ご検討頂きます。合同説明会でなく個別カウンセリング(兼説明会)をお申込みください。
    詳細
  • ■数学の知識が不足する方

    - AI搭載の数学e-ラーニングを受講(月額1万円)すること。

    - AI自習道場に参加すること(無料)。

    - 又は上記に相当する自習計画の提出 

    ■プログラミングの知識が不足する方

    - AI自習道場に参加すること(無料)。

    - 又は上記に相当する自習計画及びエラー解決方法の提示。(身近に教えてくれる方がいるなど)

    ■上記共通の受講条件

    - 受講前に個別の無料カウンセリングを受けて頂き、受講及び修了証発行が可能か検討すること。

    - 数学が中学生レベル、プログラミング初心者の場合、追加で月30時間以上の自習計画が必要です。

    - あくまで上級者を対象とした講座であるため高校数学までの質問には答えられません。

    - 同じく実務経験者であればご自身で出来るであろうPCの環境設定やプログラミングの基礎についての エラー解決は手助けしません。自習道場にご参加頂き解決して頂きます。

備考

  • 開講前に、無料説明会を複数回開催予定です
  • 最小遂行人数7名※最少催行人数に達しました。(4/8日)
  • 追加オプション(一部有料)
    • 講座以外の時間も、Slackにて担当講師、TAが疑問点を随時フォローします
    • 復習(欠席)用として、講義動画を講義後2日以内に限定公開いたします無料となりました

070-1392-0909(10:00-18:00)

studyai2020@gmail.com

よくある質問

全くの初心者ですが大丈夫でしょうか?

AIは基礎から学びますので大丈夫です。但し本講座は上級者向けなのでプログラミングスキルと高校までの数学の知識が必要です。もしも不安な場合は個別説明会にてヒアリングや補講のご相談も受け付けております。

場所はどこですか?

東京都内(山手線内側を予定)です。

どのくらいの学習時間の確保が必要ですか?

個人差がありますが、特に予備知識がない場合は毎月30時間の予習復習時間を確保してください。

PCがなかったりWindows PCでも受講可能ですか?

PCがない場合はご相談ください。有料での貸し出しになります。WindowsPC(通常のCPU)でご受講頂けます。

講義の間が空いていますが質問が可能ですか?

オンラインで質問が可能です。質疑内容は受講者全員に公開されますから、積極的にご質問を 頂くと他の受講者の疑問点も解消されます。質問は順番に回答されます(無料)
試験前など個別の優先質問オプションもご用意可能です。(有料)

ほとんどの内容は把握しているのですが上級者割引がありますか?

既に現場で実装経験がある方は5万円割引となります。お申込み時にポートフォリオや実績など客観的に実力が 確認できる方が対象となります。

修了証が受け取れるかが心配です。

講義にしっかりと出席を頂ければ大丈夫です。そのうえで十分な予習復習時間を確保頂ければ出席者全員に修了証を 受け取って頂きたいという方針で組み立てております。ご安心ください。
勿論、「テスト」や「課題」の規定の基準を満たす必要がありますが、万一不合格の場合も講座終了後6カ月間は再テスト(3回まで)により修了証の発行が可能です。(再テストは別途3万円/回)

対象者の範囲が広いので講義のレベルが実際はどの程度か心配です。

「現場の実作業に近いレベル」となります。講義時に高校数学の範囲やプログラミング実務経験者であれば問題に ならないエラー解決やPC操作についてのフォローは出来ません。また、数理的な理解も体系的に学びますが現場での問題解決にあまり使わない場合は知識レベルに留めております。

070-1392-0909(10:00-18:00)

studyai2020@gmail.com