開講の背景と講座のゴール
第3次AIブームを牽引してきたディープラーニング（深層学習）は、様々な産業での応用事例が喧伝され、データ分析に関わる人以外も知る一般的な言葉となってきました。
数式を用いないでディープラーニングの説明を試みる書籍の出版や、外部のライブラリに頼れば原理を理解せずともディープラーニングの実装ができるように”ディープラーニングの民主化”は加速しています。こうした民主化の流れの中では、ディープラーニングについて全く知らなくてよい利用者と、原理を理解し、実装力のあるスペシャリストの二極化が進むと考えられるため、これからディープラーニングを学ぶのであれば、基礎から体系的に学び、スペシャリストを目指すことが、唯一のゴールではないかと思います。
そこで本プログラムは、単なる資格合格のための講座ではなく、あくまで実務者としてのスキルアップを目標に、フレームワークの利用だけで終わらない構造的理解を目指すハンズオン重視の設計としています。実践的なハンズオンを中心とした演習や講師のオンラインでの質問対応、E資格にも対応した数学、ML、DLの知識テストなど、様々な角度からのスキルアップをご支援いたします。
講座の特長
圧倒的充実のカリキュラム
国際的に活躍するAI研究の第一人者監修のもと、実務家が教材を作成しています。また、周辺講座と合わせて、体系的に学ぶことが可能です。
一流講師陣による徹底フォロー
経験豊富な一流講師陣が、講義外でも無制限にチャット質問に対応いたします。講師が重要だと思うことに関しては、様々な事例を交え、理論が理解できるような形で進めます。
JDLAの第１号認定プログラム
日本ディープラーニング協会の認定プログラム第1号として、E資格に対応しています！
講座で得られる３つのもの
実績：学習効果の高いプログラムで圧倒的合格率！
2018年9月22日(土)に実施された、2018年度 第1回 E資格試験では、試験合格者の４５％がスキルアップAI修了生です。結果詳細はこちら
| 受験者全体 | スキルアップAI受験者 | |
| 2018年9月実施 E資格2018#1 | 69.44 % | 74.12 % |
| 2019年2月実施 E資格2019#1 | 63.31 % | 71.83 % |
| 2019年8月実施 E資格2019#2 | 67.61 % | 81.00 % |
受講体験記
講座概要
| 講座名 | 現場で使えるディープラーニング基礎講座 |
|---|---|
| 講座時間 | 全8回コース (対面講義8回×4時間 + 予習動画8回×2時間) 合計48時間 |
| 料金 | ■対面講座 ¥298,000／1名（税別） ■オンライン講座 ¥249,000／1名（税別） |
| 定員 | 25名（最少催行人数10名） |
料金に標準で含まれるもの：
【対面講座】①対面講義（約32時間） ②予習動画（約16時間）③対面講義の録画動画（約32時間） ④講義資料（Notebookなども含む） ⑤参加者毎に講義内容の理解度を確認しフィードバック ⑥通し課題の中間発表、最終発表に対するコメント（実技テスト） ⑦チャット質問対応 ⑧DL知識テスト ⑨ML知識テスト ⑩数学知識テスト ⑪修了証（合格した場合）
【オンライン講座】 ※対面講座と同じスケジュール
①予習動画（約16時間）②対面講義の録画動画（約32時間） ③講義資料（Notebookなども含む） ④参加者毎に講義内容の理解度を確認しフィードバック ⑤通し課題の中間発表、最終発表を講師とビデオチャットで実施（実技テスト）⑥チャット質問対応 ⑦DL知識テスト ⑧ML知識テスト ⑨数学知識テスト⑩修了証（合格した場合）
※対面・オンライン講座に含まれる「対面講義の録画動画」は、対面講義日の2日以内に共有いたしますので、ご都合に合わせてご視聴いただけます。
※動画の視聴期限は、次回E資格試験日の翌月末までとなります。
前提知識
- PythonのライブラリであるPandas、 NumPy、scikit-learn、Matplotlibの基本的な使い方を習得していること (「械学習を始めるためのPython入門講座」相当)
- 線形代数、微分、確率・統計の基本を理解していること(「機械学習・ディープラーニングのための数学講座 基礎数学講座」相当)
- 機械学習の基礎知識があること(「現場で使える機械学習・データ分析基礎講座」相当)
カリキュラム
DAY1
ディープラーニング講座を通しての 課題
ディープラーニング基礎 前半
- パーセプトロン
- ニューラルネットワーク
- 活性化関数
- 順伝播計算
- 出力層の設計
- 予測関数
- バッチ処理
- 損失関数
DAY2
ディープラーニング基礎 後半
- ミニバッチ学習
- 微分
- 最急降下法
- 勾配法
- 誤差逆伝播法
DAY3
学習の最適化
- 勾配法の学習を最適化させる方法
- 重みの初期値
- 機械学習と純粋な最適化問題の差異
- ニューラルネットワーク最適化の課題
- 最適化戦略とメタアルゴリズム
- 過学習と正則化
- バッチ正規化とその類似手法
- ドロップアウト
- 荷重減衰
DAY4
ディープラーニングの様々なモデル
畳み込みニューラルネットワーク
- CNN概要
- 畳み込み層
- プーリング層
- lm2col
その他話題
- データ拡張
- 構造出力
- CNNで扱うデータの種類
DAY5
中間発表
CNNの様々なモデル
- 著名なCNNモデル
- 物体検出タスクとCNN
- セマンティックセグメン テーションタスクとCNN
自己符号化器
生成モデル
- 生成モデルとは
- 変分自己符号化器
- 敵対的生成ネットワーク
DAY6
機械学習で扱うデータと典型的なタスク
- 画像データ
- 時系列データ
- テキストデータ
- データの権利
再帰型ニューラルネットワーク
- 再帰型ニューラルネットワーク概要
- シンプルなRNN
- LSTM
- GRU
- RNNの発展モデル
- 外部メモリを持つニューラルネットワーク
- その他の話題
DAY7
自然言語処理における深層学習
- 自然言語処理と深層学習
- 自然言語処理の基礎
- word2vec
- 系列変換モデル
- アテンション
- トランスフォーマー
- 外部メモリを持つニューラルネットワーク
- その他の話題
DAY8
最終発表
強化学習
- 強化学習の基礎1
- 迷路問題
- 強化学習の基礎2
- 強化学習の各種手法
- Deep Q-Network
- カートポール問題
- AlphaGO
- 逆強化学習
- 深層強化学習の実用面での課題
転移学習
軽量化技術
高速化技術
※カリキュラムは変更となる場合がございます。
※E資格試験シラバスの変更に伴い、カリキュラムを変更しました。(2019.04.25)
開催日程
東京 第9期 ※募集終了
(受験日2/22のE資格試験に対応)DAY1：09/13（金）13:30 〜 17:30
DAY2：09/27（金）13:30 〜 17:30
DAY3：10/11（金）13:30 〜 17:30
DAY4：10/25（金）13:30 〜 17:30
DAY5：11/08（金）13:30 〜 17:30
DAY6：11/22（金）13:30 〜 17:30
DAY7：12/06（金）13:30 〜 17:30
DAY8：12/20（金）13:30 〜 17:30
予備日：12/27（金）13:30 ～ 17:30
※同日程でオンライン講座も同時開催いたします。
講師：斉藤 翔汰
東京 第10期 ※募集終了
(受験日2/22のE資格試験に対応)DAY1：09/15（日）13:30 〜 17:30
DAY2：09/29（日）13:30 〜 17:30
DAY3：10/13（日）13:30 〜 17:30
DAY4：10/27（日）13:30 〜 17:30
DAY5：11/10（日）13:30 〜 17:30
DAY6：11/24（日）13:30 〜 17:30
DAY7：12/01（日）13:30 〜 17:30
DAY8：12/22（日）13:30 〜 17:30
予備日：1/19（日）13:30 ～ 17:30
講師：日熊 悠太、園田 翔
東京 第11期 ※対面募集終了
(受験日2/22のE資格試験に対応)DAY1：10/15（火）9:00 〜 13:00
DAY2：10/29（火）9:00 〜 13:00
DAY3：11/12（火）9:00 〜 13:00
DAY4：11/26（火）9:00 〜 13:00
DAY5：12/10（火）9:00 〜 13:00
DAY6：12/24（火）9:00 〜 13:00
DAY7：01/07（火）9:00 〜 13:00
DAY8：01/21（火）9:00 〜 13:00
予備日：01/28（火）9:00 ～ 13:00
※同日程でオンライン講座も同時開催いたします。
講師：今泉 允聡、斉藤 翔汰
東京 第12期
(受験日2/22のE資格試験に対応)DAY1：11/02（土）13:30 〜 17:30
DAY2：11/09（土）13:30 〜 17:30
DAY3：11/16（土）13:30 〜 17:30
DAY4：11/30（土）13:30 〜 17:30
DAY5：12/07（土）13:30 〜 17:30
DAY6：12/21（土）13:30 〜 17:30
DAY7：01/11（土）13:30 〜 17:30
DAY8：01/25（土）13:30 〜 17:30
予備日：02/01（土）13:30 ～ 17:30
講師：今泉 允聡、斉藤 翔汰、園田 翔
場所：スキルアップAI 水道橋オフィス
東京都千代田区神田三崎町3-3-20 VORT水道橋Ⅱ 5階
講師紹介
-
小縣 信也兵庫県出身。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner(現オープンCAE勉強会＠関東)を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所 優秀技術者賞受賞。
日本ディープラーニング協会主催2018E資格試験 優秀賞受賞、2019#1E資格試験優秀賞受賞。最近は、需要予測や異常検知などのモデル開発に取り組んでいる。 -
斉藤 翔汰
スキルアップAI講師。横浜国立大学大学院 環境情報学府 情報メディア環境学専攻（現:情報環境専攻）修了。修士（情報学）。高専時代に画像認識に対して興味を持ったことがきっかけで、現在はDeep Learningや機械学習、進化計算などの人工知能分野におけるアルゴリズムの研究開発やコンサルティングに従事。日本ディープラーニング協会の2018年度・2019年度E資格合格者、2018年度G検定合格者。
-
日熊 悠太2014年に株式会社ABEJAに参画。AIを活用した同社映像解析アルゴリズムの開発を行い、数百店舗にて導入される。後に十数社に対しての映像解析を中心としたAI導入プロジェクトにて開発のリードを行う。2018年に株式会社 KICONIA WORKSに参画。映像解析のみならず、様々な技術を利用したAI導入プロジェクトのリードを行う。
-
園田 翔
理化学研究所特別研究員。新卒で電機メーカーに就職，車載機器開発に従事したのち，早稲田大学大学院先進理工学研究科電気・情報生命専攻にて博士号取得。学振特別研究員，早稲田大学助手を経て，現職。専門は機械学習の理論と応用。最近は主に深層学習の理論解析に取り組んでいます。
-
今泉 允聡
統計数理研究所・助教。東京大学経済学研究科統計学専攻で博士号取得。学振特別研究員を経て、現職。専門分野は統計理論およびその機械学習への応用。統計的関数推定の理論を用いて、複雑データの解析手法や深層学習の仕組みを解明する研究に取り組んでいる。
大阪 第4期 ※募集終了
(受験日2/22のE資格試験に対応)DAY1：10/13（日） 9:30 〜 13:30
DAY2：10/27（日） 9:30 〜 13:30
DAY3：11/03（日） 9:30 〜 13:30
DAY4：11/17（日） 9:30 〜 13:30
DAY5：12/01（日） 9:30 〜 13:30
DAY6：01/12（日） 9:30 〜 13:30
DAY7：01/26（日） 9:30 〜 13:30
DAY8：02/02（日） 9:30 〜 13:30
予備日：02/09（日） 9:30 〜 13:30
講師：匿杉 ー辛
場所：梅田センタービル12階 大会議室（応用技術本社内）
大阪市北区中崎西２丁目４番１２号
講師紹介
-
小縣 信也
兵庫県出身。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner(現オープンCAE勉強会＠関東)を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所 優秀技術者賞受賞。
日本ディープラーニング協会主催2018E資格試験 優秀賞受賞、2019#1E資格試験優秀賞受賞。最近は、需要予測や異常検知などのモデル開発に取り組んでいる。 -
匿杉 ー辛東京工業大学電気電子工学科を卒業後、同大学院総合理工学研究科創造エネルギー専攻を修了。某大手メーカに勤務。2013年からデータ分析業務に従事し、社内外含め30案件以上を担当、機械学習を活用した予測アルゴリズム・予測アプリケーションから、予測結果を活用したAIシステムまでを幅広く開発している。2016年には担当プロジェクトがプレスリリースされるなど、社内でも有数のデータサイエンティストとして活躍中。日本ディープラーニング協会主催2018#1E資格試験 優秀賞受賞。
名古屋 第3期
日程調整中
修了証の受領条件
- 通し課題において基準精度を達成し、そのソースコード一式を提出
- DL、ML、数学の知識テストに合格
※修了証を受領するには、上記２項目の条件を期日(E資格試験日の約10日前)までに満たすこと（合格すること）
※詳細は、無料説明会、対面講義の初回にご説明します。
ご案内
PCの動作環境
MacOSX 10.9 以上
Windows 7 以上（64bit必須）
メモリ8GB以上必須
※8GB未満でも受講して頂くことは可能ですが、大きなデータを扱う演習の際に不具合が発生する可能性があります。
メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。
※容量の大きなデータを課題で扱いますので、より高スペックが望ましいです。
事前準備
Anaconda3-2019.03をインストールし、ブラウザでJupyterNotebookを表示できる状態まで事前に準備お願い致します。
またDAY1教材の中に、0_preparation.ipynbというファイルがあります。このファイルをNotebookで開き、手順に沿ってライブラリなどをインストールしておいてください。
※各自で必ず当日までに環境構築をお願いいたします。もし環境構築等でご不明な点等あれば、事前にご連絡いただければご案内します。
※その他に必要なご準備に関しては、お申し込み後にご案内いたします。
当日の持ち物
ご自身のノートPC。
※Wi-Fi環境はございますが、繋がりにくい場合はご自身のテザリングをご利用ください。
会場への入場
講義開始の10分前
スケジュール
ご希望の講座にてご確認ください。
講座監修
-
杉山 将
２００１年に東京工業大学博士課程修了。同大学助手・准教授を経て２０１４年より東京大学教授。２０１６年より理化学研究所革新知能統合研究センター長を併任。統計的機械学習（オーム社, 2009）、イラストで学ぶ機械学習（講談社, 2013）、機械学習のための確率と統計（講談社, 2015）など、機械学習に関する著書多数。講談社機械学習プロフェッショナルシリーズの監修も務める。
よくあるご質問
修了証の有効期限はありますか？
はい。修了日から２年間が有効日となり、有効期間中であれば、E資格を受験することが可能です。
申込締切はいつですか？
開催日（対面講座）の３日前までです。３日前までに、お支払い済みである事が確認できている必要があります。対面講座は予習動画を視聴していることが前提ですので、余裕を持ってお申し込みいただくことをお勧めいたします。オンラインの場合、開講後でもお申し込みいただけます。（DAY2頃まで）
領収書・請求書などの発行は可能ですか？
はい、可能ですので、お申し込み時の備考にその旨と宛名をご記入ください。但し、クレジットカード（Paypal）でお支払いの場合、PayPal発行の受領書が領収書となりますので、領収書の発行はできません。
開催日程に記載されている予備日とは何ですか？
気象状況や講師の体調不良などにより講座を延期をさせていただくことがあるため、予備日を設けております。予定通り授業が開催された場合には、予備日に授業を行うことはございません。
オンライン講座とは？
お客様ご自身のPCにて、ご都合に合わせた時間、場所で動画をご視聴いただけます。閲覧回数の制限等はございません。動画の視聴期限は、次回のE資格試験日翌月末までとなります。
予習動画は全ての期について講座共通のものです。講義録画動画は、各期の講義録画です。講義録画動画は講義日より2日以内に共有させていただきます。
受講者の声
- 純粋なディープラーニングの講座のほかにE資格対策として対応すべき事項についても解説があり、非常に満足です。
- 活発な説明をしていただき、内容だけでなく、毎回モチベーションが保てる状況で講義を聴くことができました。
- 初めてのモデル作りでしたが、手作りで講義の進行にあわせて少しずつ試行錯誤しながらモデルを進化できたので、とても勉強になり、楽しかったです。
- 技術の歴史やその時々の課題や工夫など、丁寧に教えて頂けました。
