講座で得られる知識・スキル
- XAIに関する最新の研究動向
- XAIの重要技術に関する実装方法
- XAIのビジネスへの応用
受講に必要なスキル・前提知識
必須スキル
- Pandas、 NumPy、scikit-learn、Matplotlib等のPythonライブラリの基本的な使い方 (Python入門講座 修了相当)
- 線形代数、微分、確率・統計の基本的な理論の理解 (基礎数学講座 修了相当)
- 機械学習の基礎知識(機械学習講座 修了相当)
推奨スキル
- ディープラーニング(特に誤差逆伝播法、畳み込み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)の基礎知識(ディープラーニング基礎講座 修了相当)
講座の特長
- 日本初の説明可能なAI(Explainable AI; XAI)に関する講座
- XAIに関する最新の研究動向がわかる
- ハンズオンを通して What-if Tools、SHAP、Grad-CAM といった最新XAI技術の使用方法を学べる
- Microsoft Azure での自動機械学習 (AutoML) から予測結果の説明までの流れを学べる
- ワークを通して、XAIをどのようにビジネスに応用するかイメージできるようになる
講座概要
講座名 | 現場で使える Explainable AI (XAI) 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 | 4時間 |
料金 | ¥110,000円/1名(税込) |
料金に標準で含まれるもの | ①動画講義 ②講義資料(スライド、Notebookファイル) |
カリキュラム
1章 Explainable AI (XAI) 概論
●XAIのコンセプトやその必要性を理解する
●XAI手法の大分類である「局所的な説明」と「大域的な説明」の違いを理解する
●国内・海外で発表されているレポートを通して、XAIに関する社会の要請を理解する
2章 What-If Tools
●ハンズオンを通して、Googleが開発したPython用データ可視化ライブラリ What-If Tools の使い方を理解する
●ハンズオンを通して、局所的な説明手法 SHAP(Shapley Additive Explanations)の使い方を理解する
●What-If Tools で表示される「ROC曲線」「PR曲線」などを理解する
●ハンズオン1:ロジスティック回帰 + What-If Tools
●ハンズオン2:全結合ニューラルネットワーク + SHAPによる局所的な説明 + What-If Tools
3章 Azure Machine Learning と XAI
●ハンズオンを通して、Microsoft が提供しているクラウドベースのデータ分析環境 Azure Machine Learning の使い方を理解する
●ハンズオン3:Automated Machine Learning (AutoML) によるモデル自動構築 + SHAPによる局所的な説明
4章 SHAP(Shapley Additive Explanations)
●局所的な説明手法 SHAP(Shapley Additive Explanations)に至るまでの歴史を理解する
●SHAP の理解に必要な「説明モデル」「モデルの局所線形近似」「可読表現」を理解する
●SHAP における特徴重要度の計算方法について、その概要を理解する
5章 最新XAI論文解説
●9つの最新論文の概要を学び、XAIの最新動向を理解する
●XAIの最新動向の追い方を理解する
●ハンズオン4:Score-CAM + ImageNet学習済みVGG16
6章 XAIの使い方
●商品デザイン評価における注視点の可視化事例を通して、XAIを用いた価値創造について理解する
●XAIを活用する際の注意点を理解する
※カリキュラムは変更となる場合がございます。
開催日程
オンライン講座
お客様ご自身のPCにて、ご都合に合わせた時間、場所で動画をオンラインでご視聴いただけます。 随時お申し込み可能です。受講方法については、お支払い確認後、3営業日以内にご案内いたします。
※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
・MacOSX 10.9 以上
・Windows 8 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
①Webブラウザ Google Chrome のインストール
※他のブラウザの場合、ハンズオンの際に実行結果が表示されない場合があります
②Anaconda3-2019.03 のインストール
③他の依存ライブラリのインストール
・tensorflow バージョン2.1.0
・keras バージョン2.2.4
・shap バージョン0.35.0
・witwidget バージョン1.6.0
・opencv-python バージョン4.2.0
※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Jupyter Notebookで開き、手順に沿ってライブラリなどをインストールするようにお願いいたします。
④ブラウザでJupyter Notebookを表示できる状態にしておく
Microsoft Azure のアカウント作成
・ https://azure.microsoft.com/ja-jp/free/
⑤Azure Machine Learningのチュートリアルの実行
・チュートリアル:Python SDK で初めての ML 実験を作成する(https://docs.microsoft.com/ja-jp/azure/machine-learning/tutorial-1st-experiment-sdk-setup)
・チュートリアル:最初の ML モデルをトレーニングする(https://docs.microsoft.com/ja-jp/azure/machine-learning/tutorial-1st-experiment-sdk-train)
※上記チュートリアルは受講開始前までに必ず実施するようにお願いいたします。事前にチュートリアルが完了できていない場合、ハンズオンが実施できない恐れがあります
※チュートリアル実施中、インスタンス立ち上げに失敗する場合は以下の手順をお試しください
・ワークスペースの概要からワークスペースのエディションをアップグレードする
・ワークスペースの「サポート+トラブルシューティング」→ 「使用量+クォータ」→ 「クォータの要求」から引き上げ申請を行う
・「クォータの種類:Machine Learning Service」→「要求の詳細:場所→東日本、VMシリーズ→DSv2シリーズ、新しい vCPU の制限 → 18」とし、他の必要事項を記入
・申請が許可された旨の連絡(1週間以内)を受けてからチュートリアルを再開する
※各自で必ず受講開始前までに環境構築をお願いいたします。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。
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。