Now Loading...

Now Loading...

本コースは、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。受講の上、全ての演習課題と修了テストを完了することで、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」の受験が可能になります。

プロダクション

コースシラバス

詳細シラバスと修了要件はこちら

Module1 イントロダクジョン

  • イントロダクション

Module2 応用数学

  • (1) 確率・統計
  • (2) 情報理論
  • Module2 修了課題

Module3 機械学習 I

  • (1-1) 機械学習の基礎
  • (1-2) 教師あり学習 〜回帰問題〜
  • (1-3) 教師あり学習 〜分類問題〜
  • (1-4) もう一つの分類アルゴリズム 〜サポートベクトルマシン〜
  • (1-5) 教師なし学習 〜クラスタリング手法〜
  • (1-6) 半教師あり学習、機械学習課題、交差検証
  • (1-7) ハイパーパラメータ、最尤推定
  • Module3 修了課題

Module4 機械学習 II

  • (2) 実用的な方法論
  • (3-1) 強化学習の基礎
  • (3-2) マルコフ決定過程とベルマン方程式
  • (3-3) 価値反復法と方策勾配法
  • Module4 修了課題

Module5 深層学習 I

  • (1-1) 順伝播型ネットワーク
  • (1-2) 活性化関数
  • (2-1) 深層モデルのための正則化
  • (2-2) アンサンブル学習
  • (3) 深層モデルのための最適化
  • (4) 畳み込みネットワーク
  • (5) 回帰結合型ニューラルネットワークと再帰的ネットワーク
  • (6) 生成モデル
  • (7) 深層強化学習
  • Module5 修了課題

Module6 深層学習 II

  • (8) グラフニューラルネットワーク
  • (9-1) 深層学習の適用方法 〜画像認識〜
  • (9-2) 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〜
  • (9-3) 深層学習の適用方法 〜自然言語処理〜
  • (9-4) 深層学習の適用方法 〜音声認識〜
  • (9-5)深層学習の適用方法 〜スタイル変換〜
  • (10) 距離学習(Metric Learning)
  • (11) メタ学習(Meta Learning)
  • (12) 深層学習の説明性
  • Module6 修了課題

Module7 開発・運用環境

  • (1) ミドルウェア
  • (2) エッジコンピューティング
  • (3) 分散処理
  • (4) アクセラレータ
  • (5) 環境構築
  • Module7 修了課題

Module8 演習&リソース

  • 演習
  • 参考文献

Module9 修了テスト

  • このモジュールについて
  • Module2 応用数学
  • Module3 機械学習 I
  • Module4 機械学習 II
  • Module5 深層学習 I
  • Module6 深層学習 II
  • Module7 開発・運用環境
  • フレームワーク
  • 模擬試験
  • JDLA 公式例題

コース詳細

コース概要

・受講期間:購入完了日〜2023年2月28日(火)
・時間:ビデオ教材受講、演習課題の修了含めて、40〜80時間程度
・形式:完全オンライン(ビデオ講座とクラウド演習)

・価格:70,000円(税込) 
 *合格者の方には事後アンケートへのご協力で、受験料相当(33,000円分)のアマゾンギフトカードを贈呈いたします。
・合格保証:あり(不合格の方は、2023年8月末まで無償にて受講期限の延長を行います)

・その他:
 - 個人でのクレジットカード決済のみの取り扱いになります(VISA、マスターカードのみ有効)。
 - サポートについては、ヒント機能のみとなります。
 - 2023年2月の「E資格」受験のための修了期限は、2月2日(木)12:00です。それ以降の修了については、2023年8月以降の「E資格」受験となります。

サポートについて

弊社教材は、主にビデオ講座部分とクラウド演習部分によって構成されており、全ての演習課題に正解していただくことが修了要件となっております。演習を進めていくにあたり分からない課題等があれば、ビデオ講座や演習の「ヒント」などをご参考にしていただきつつ、学習を進めてください(メールでの「サポート」はつきませんので、予めご了承ください)。

履修要件

①微分積分、確率統計、線形代数の基礎知識が必須
②プログラミングの基礎知識必須(特にPytorchもしくはTensorflowの基礎知識必須)
→特に②については、<体験型>学習ブログの以下どちらかの内容について、最低限理解できることが要件となります。事前にご確認ください。

PyTorch
https://zero2one.jp/learningblog/pytorch-tutorial-part1/
TensorFlow
https://zero2one.jp/learningblog/tensorflow-tutorial-part1/

到達目標

・機械学習、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)を用いた機械学習、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、もしくはPytorch)を用いて、ディープラーニングの実装ができる。
・JDLA「E資格」に合格する