研修内容

機械学習・深層学習（画像処理・自然言語処理）の理論と実装をハンズオン形式で学ぶ講座です。

1 日目
●イントロダクション
　・人工知能
　・機械学習
　・ディープラーニング
　・教師あり学習
　・学習と推論
　・機械学習の開発フロー
●ディープラーニングの数学
　・ニューラルネットワークの構造
　・順伝播の計算
　・逆伝播の計算
●PyTorch 入門
　・順伝播の実装
●PyTorch によるネットワークの学習
　・データセットの準備
　・データセットの分割
　・ネットワークの定義
　・逆伝播の実装
　・ネットワークの学習
2 日目
●オープニング
　・1 日目の振り返り
●PyTorch Lightning による簡略化
　・PyTorch Lightning とは
　・ネットワークの定義と学習
　・評価指標の算出とログの記録追加
　・検証データとテストデータに対する評価の追加
●分類のタスクで演習
　・早期終了の実装
　・精度向上の実装
　・学習済みモデルを使用した推論
●画像処理の基礎
　・Pillow、OpenCV の紹介
　・フィルタ処理
●画像処理の理論
　・画像データの基礎
　・CNN 以前の画像処理
　・畳み込みの計算
　・パディング処理
　・プーリングの計算
　・CNN の流れ
●画像分類
　・データセットの準備
　・畳み込み処理の実装
　・プーリング処理の実装
　・ベクトル化の実装
　・CNN の定義と学習
　・学習済みモデルの保存と推論
●（補足）性能改善
　・転移学習とファインチューニング
　・データ拡張
3 日目
●オープニング
　・2日目の振り返り
●時系列解析の理論
　・時系列データの基礎
　・時系列データに対する未来予測の考え方
●（補足）統計モデル
　・時系列データの取得
　・Prophet を使用した時系列解析
●再起型ニューラルネットワークの実装
　・部分時系列の作成
　・LSTM を使用した株価予測
●自然言語処理の理論
　・自然言語処理とは
　・カウントベース手法の理論
●自然言語処理の実装
　・形態素解析
　・名刺抽出の実装
　・特徴量変換の実装
●文書分類
　・データセットの準備
　・形態素解析と特徴量変換
　・ネットワークの定義と学習
　・自然言語処理の特徴量を変更しての実装
●アウトロダクション
　・おすすめ学習書籍やコンテンツの紹介
　・スキルチェックテスト
　・アンケート