現場で使える自然言語処理 実践講座

現場で使える自然言語処理 実践講座

ディープラーニング活用に至るまでのNLPの歴史を概観し、重要技術をPythonによる実装を通して理解する

実践講座では、理論の説明と合わせて、Python/Pytorchによる主要技術の実装も行います。さらに、ビジネスへの応用を想定した実践的な課題を通し、理論を実務へ応用できるスキルも身に付けます。

講座で得られるスキル

  • 様々なNLPタスクに対応可能な知識が身に付く

    形態素解析やWord2Vecなどの汎用性の高い前処理を理論から理解し、正しく利用することができるようになる

  • ディープラーニングを用いた最先端のNLPの手法が分かる

    AttentionやBERTといった最新のモデルを理解し、実務で扱う種々のタスクに活用することができる

  • PyTorchを用いたハンズオンで、実務で役立つ実装スキルが身に付く

    利便性と広範性を両立したニューラルネットワークのライブラリであるPyTorchの利用法をハンズオンによって体得し、様々なモデルの実装ができるようになる

受講に必要なスキル

必須スキル

 

推奨スキル

講座の特長

  • ハンズオンを通じて、理論から実装までのNLP実装スキルを体得
  • 数式の丁寧な解説によって自然言語処理の各手法を徹底解剖

一部無料公開中!
現場で使える自然言語処理 実践講座

現場で使える自然言語処理 実践講座のうち、DAY1の一部が無料で視聴できます。受講に迷っている方は、無料動画を見て、分かりやすさやレベル感を確認してみてください。

無料動画に含まれる内容(約30分相当)

  • Bag of Words(BoW)
    • Bag of Words(BoW)とは?
    • BoWのモチベーション
    • BoW に関する改良

講座概要

講座名 現場で使える自然言語処理実践講座
受講スタイル オンライン講座
お好きな時間、お好きな場所でeラーニング形式の講義を受講いただけます。
講座時間 動画講義約7時間半(演習時間除く)
料金 275,000円/1名(税込)
料金に標準で含まれるもの
  1. 動画講義
  2. 講座資料
  3. チャット質問対応

 

お見積り請求についてのお問い合わせはこちら
見積り請求

※本講座/他講座との併合お見積りについては上記よりお問い合わせください

カリキュラム

DAY1DAY2DAY3DAY4

DAY1

自然言語処理(NLP)とは

  • NLP のタスクとビジネス活用事例
  • NLP における困難と現代的手法

形態素解析

  • 形態素解析とは
  • アルゴリズム概要
  • 主な形態素解析のツール
  • ハンズオン:mecab-python による形態素解析

Bag of Words(BoW)

  • Bag of Words(BoW)とは?
  • BoWのモチベーション
  • BoW に関する改良
  • ハンズオン:BoWによるテキスト分類

DAY2

ハンズオン:Google Cloud Platform を用いた GPU 環境の構築


PyTorch

  • ハンズオン:PyTorchの基礎
  • ハンズオン:torchtextの利用
  • ハンズオン:PyTorch + BoW によるテキスト分類

Word2Vec

  • BoW の問題点
  • Word2Vec の概要
  • ハンズオン:学習済み word2vecの利用
  • ハンズオン:PyTorch + 学習済み word2vec によるテキスト分類

DAY3

自然言語処理におけるRecurrent Neural Network(RNN)

  • モチベーション
  • 再帰型ニューラルネットワークとは
  • 再帰型ニューラルネットワークの種類
    • シンプルなRNN
    • LSTM
    • GRU
  • RNNモデルの改良
    • RNNの深層化
    • 双方向RNN
  • ハンズオン:PyTorch + RNN/LSTM/GRUによるテキスト分類

Sequence to sequence(seq2seq)とattention

  • Seq2Seq
  • アテンション
  • Seq2Seq におけるアテンション
  • Seq2Seq におけるアテンションの仕組み

言語モデル

  • 言語モデルとは?
  • 言語モデルの構築手法
  • 様々な言語モデル
  • 言語モデルの応用

DAY4

Transformer

  • Embedding
  • Self Attention
  • Source-Target Attention
  • Add & Norm モジュール
  • Feedforward モジュール

BERT

  • Tokenizer
  • ネットワーク構成
  • 公開されているモデルのハイパーパラメータ
  • 事前学習
  • 事前学習済みモデルの利用方法
  • ハンズオン:日本語事前学習済みBERTモデルを使ったテキスト分類

AutoML

  • AutoMLの概要
  • ハンズオン:AutoML Natural Languageを使ったテキスト分類

※カリキュラムは変更となる場合がございます。

カリキュラム詳細が知りたい方はこちら
お問い合わせ

法人研修のご相談はこちら
※法人研修をご検討の場合はカスタムも可能です

開催日程

オンライン講座

随時お申し込み可能です。お支払い確認後、3営業日以内に講義動画の視聴方法をご案内いたします。
※動画視聴期限は、動画共有日から1年間となります。

講師:斉藤 翔汰

講師紹介

  • 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。

 

関連ブログ

ご案内

PCの動作環境

Docker Desktopが動作可能なもの
・MacOSX 10.13 (High Sierra) 以上
・Windows 10 Professional あるいは Enterprise (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。
※ 事前に作成したGCPアカウントへのアクセスが可能な PC をご用意ください。
・特に社用PCを使用する場合は、必ず「お申し込み前に」アクセスが可能かどうかご確認いただくようにお願い申し上げます。
・アクセスが不可である場合、一部のハンズオンを実施することができません。

事前準備

①Docker Desktopのインストールと実行
Docker Desktopをインストールし、dockerに関する各種コマンド類を実行できる状態まで準備をお願いいたします。
※Docker Desktopのインストールは下記ご参照ください

【Mac】
公式リファレンス[英語]:こちら
有志によるまとめ記事[日本語]:こちら
【Windows】
公式リファレンス[英語]:こちら
有志によるまとめ記事[日本語]:こちら
【Mac / Windows 共通】
インストール後にはWindows Powershellかターミナルにて、2つのコマンド `docker run hello-world` `docker run -it ubuntu ls` を実行し、ubuntuのlsコマンド(ファイル一覧表示)が実行できることを確認するようにお願いいたします。

②GCPアカウントの作成

  • GCPのアカウントを事前にご用意ください。
  • アカウント作成にはクレジットカードが必要となります。
  • ハンズオンの際、無料枠アカウントを通常アカウントにアップグレードしていただきます。
  • アップグレードしても、利用量が無料枠内であれば、料金は発生しません。

クラウドサービスの利用

講座内で実施するハンズオンでは、外部事業者が提供するクラウドサービス(AWS, Azure, GCPなど)を利用します。
外部事業者のサービス内容及びサービス仕様は、予告なく更新されるため、画面仕様やサービス利用における料金体系も含め、弊社提供教材の内容とは異なる場合がございます。
また、本講座の教材は、教材作成時点での外部事業者のサービス内容に基づき、外部事業者が提供する無料枠分の使用量で実施できるよう構成されておりますが、利用状況によっては、無料枠分を超えて料金が発生する場合がございます。
上記につきまして、あらかじめご了承のほど、よろしくお願いいたします。

FAQ

動画の視聴期限はいつまでですか?

動画共有日から1年間です。

チャット質問期限はいつまでですか?

動画共有日から3ヶ月間です。

 講座共通のFAQ

更新日:2021.09.16

関連する講座

Page Top
お申し込みはこちら