
弊社の教材は、日本ディープラーニング協会の「JDLA認定プログラム」の認定を受けております。同協会がディープラーニングを実装するエンジニアの技能を認定するE資格(エンジニア資格)「JDLA Deep Learning for ENGINEER」受験のために、「JDLA認定プログラム」の修了が必須となっており、弊社の「機械学習」「ディープラーニング」両方の修了と、所定の補足教材を受講することで、受験が可能になります。
プロダクション
-
監修
松尾 豊
東京大学大学院
工学系研究科 教授 -
ナレーション
佐藤 千晶
フリーアナウンサー
VASP所属 -
制作
株式会社 zero to one
コースシラバス
Step1 イントロダクション
- コース概要
- Section1. ディープラーニングの世界へようこそ
- Section2. 演習環境
- Section3. Step1 演習
Step2 ニューラルネットワークの基礎
- Section1. ニューラルネットワークの基礎
- Section2. 単純パーセプトロン
- Section3. ロジスティック回帰
- Section4. 多クラスロジスティック回帰
- Section5. 多層パーセプトロン
- Section6. モデルの学習
- Section7. Step2 演習
- Section8. Step2 E資格サンプル問題
Step3 ニューラルネットワークの改善
- Section1. ニューラルネットワークの改善
- Section2. 活性化関数
- Section3. 正則化
- Section4. 最適化
- Section5. Step3 演習
- Section6. Step3 E資格サンプル問題
Step4 畳み込みニューラルネットワーク
- Section1. 畳み込みニューラルネットワーク
- Section2. 畳み込みとプーリング
- Section3. CNNの応用
- Section4. CNNの構造
- Section5. Step4 演習
- Section6. Step4 E資格サンプル問題
Step5 回帰結合型ニューラルネットワーク
- Section1. 回帰結合型ニューラルネットワーク
- Section2. RNNの様々なモデル
- Section3. 長期依存性
- Section4. Step5 演習
- Section5. Step5 E資格サンプル問題
Step6 生成モデル
- Section1. 前提知識の確認
- Section2. 深層生成モデル
- Section3. VQ-VAE
- Section4. GAN
- Section5. おわりに
- Section6. Step6 演習
- Section7. Step6 E資格サンプル問題
Step7 強化学習
- Section1. 強化学習とは
- Section2. 強化学習の定式化
- Section3. 動的計画法
- Section4. モンテカルロ法とTD法
- Section5. DQN
- Section6. 方策勾配法
- Section7. A3C
- Section8. まとめ
- Section9. Step7 演習
- Section10. Step7 E資格サンプル問題
Step8 深層学習の応用
- Section1. 深層学習の適用方法 画像認識
- Section2. 深層学習の適用方法 画像の局在化・検知・セグメンテーション
- Section3. 深層学習の適用方法 自然言語処理
- Section4. 深層学習の適用方法 音声認識
- Section5. グラフニューラルネットワーク
- Section6. メタ学習
- Section7. 距離学習
- Section8. 説明可能性
- Section9. Step8 演習
- Section10. Step8 E資格サンプル問題
ディープラーニングコース リソース
- リソース
コース詳細
コース概要
・構成: ビデオ教材、教材用スライド、演習問題(全てオンラインで完結)
・時間: ビデオ教材受講、演習課題の修了含めて、30〜50時間程度
・価格: ユーザー数に応じてID課金(定価66,000円(税込)。詳しくは個別にお問い合わせください。)
・修了要件: 全8ステップ全ての課題修了で修了証を発行
・受講期間: 購入後90日間
履修要件
・微分積分、線形代数(ベクトル、行列)、 確率統計の基礎知識必須
・Pythonのプログラミングの基礎知識必須
(zero to one「機械学習」終了レベルのPythonプログラミングスキルがあるとなお理想)
到達目標
・ディープラーニングについての基礎知識を理解し、その活用の具体策を社内で検討することができる。
・プログラミング言語(Python)を用いたディープラーニングの実践スキルを身につける。
・ライブラリ(Tensoflow)を用いて、ディープラーニングの実装ができる。
・AI分野の最新動向や技術進歩に対して、それを理解・活用する基盤知識・スキルを身につける。
・ディープラーニングを中心にAIを用いてビッグデータをどう活用できるのか、理解・実践することができる。
*弊社では各回のプログラム終了後、受講生アンケートを定期的に実施しています。最新のアンケート結果はこちらをご覧ください。
推奨環境
本サービス利用に際しましては、PCにて、Chrome(最新バージョン)の利用を推奨して おります。その他のブラウザでの対応も随時確認はしておりますが、ブラウザの種類やバージョン、PCのメモリ、OS環境との組み合わせ次第で、まれに表示や処理速度等に不具合が出ることがございますので、ご了承の上、お使いください。
また、i-Pad等タブレット端末やモバイル端末での動画の視聴などは可能ですが、サポートはしておりませんので、合わせてご了承ください。