
ユン・ジェソンのJavaベースのAndroidアプリ開発 Part 1 - UI Programming
softcampus
¥7,056
初級 / Java, Android
4.6
(17)
本講義はおしゃれライオンのようにアプリスクール:アンドロイド講義を進行するユン・ジェソン講師様講義です。
初級
Java, Android
: "数学的基礎から最新モデルまで、TensorFlowで完成させるディープラーニング・パイプライン(全44講)" 単にmodel.fit()を呼び出す方法だけを学ぶ時代は終わりました。人工ニューラルネットワークの根底にある微分と勾配降下法から、現場で不可欠なTensorFlowとKerasの活用法、そして画像や時系列データを扱うCNN/RNNまで!ディープラーニングの全過程を体系的に攻略します。 単なるデータ分析を超えて、人間の脳を模倣した人工知能が自ら学習し判断する、驚異のディープラーニングの世界へようこそ。
1名 が受講中です。
難易度 初級
受講期間 無制限
ディープラーニングの核心数学(微分、チェーンルール)に対する明確な理解
パーセプトロンから多層パーセプトロン(MLP)までのアーキテクチャ設計能力
TensorFlow/Kerasを活用したディープラーニングモデルの実装およびデプロイプロセスの習得
Dropout、EarlyStopping、Optunaを活用した専門的なモデル最適化スキル
CNNとRNNを活用した画像およびシーケンスデータ処理の基礎能力
: "数学的基礎から最新モデルまで、TensorFlowで完成させるディープラーニングパイプライン(全44講)"
単にmodel.fit()を呼び出す方法だけを学ぶ時代は終わりました。人工ニューラルネットワークの基礎である微分と勾配降下法から、現場で不可欠なTensorFlowとKerasの活用法、そして画像や時系列データを扱うCNN/RNNまで!ディープラーニングの全過程を体系的にマスターできるようサポートします。
さあ、分析されたデータを超えて、人間の脳を模倣した人工知能が自ら学習し判断する、驚くべきディープラーニングの世界へお越しください。
この講義だけの核心ポイント
* 盤石な数学的基礎:1次・2次関数から偏微分、チェーンルール(Chain Rule)まで、ディープラーニングの理解に不可欠な数学だけを厳選して分かりやすく解説します。
* ディープラーニングアーキテクチャの理解:単層パーセプトロンから多層パーセプトロン(MLP)、そして誤差逆伝播法(Backpropagation)の原理を完璧に解き明かします。
* 最適化戦略の頂点:過学習を防ぐDropout、早期終了(Early Stopping)はもちろん、最新のハイパーパラメータチューニングツールであるOptunaの活用法まで伝授します。
* コンピュータビジョン & シーケンスデータ:MNIST画像分類(CNN)と時系列/言語データ処理(RNN)、そして効率的な学習のための転移学習(Transfer Learning)まで扱います。
* 実践環境の構築:TensorFlowとKerasを活用した専門的な開発環境の構築から、モデルの保存・自動化まで、実務プロセスをそのまま盛り込みました。
ディープラーニングの歴史と活躍分野を概観し、ニューラルネットワーク学習のエンジンとなる基礎数学(関数、微分、偏微分、合成関数)を扱います。
主な学習内容:ディープラーニングの歴史、開発環境の構築、微分の基礎、チェーンルール(連鎖律)
予測の基本である線形回帰から、最適な重みを見つけていく勾配降下法、学習率(Learning Rate)の原理を深く学習します。
核心技術:仮説関数の設計、誤差評価指標、重回帰分析、最小二乗法
ロジスティック回帰とシグモイド関数を理解し、人工知能の母体であるパーセプトロンと、XOR問題を解決する多層パーセプトロンの構造を学びます。
主な学習:シグモイド関数、パーセプトロン、論理ゲートの解決、誤差逆伝播
本格的にフレームワークを活用して人工ニューラルネットワークを設計します。活性化関数とオプティマイザを選択し、最適なモデル構造を自ら構築します。
コア技術:TensorFlow/Kerasの活用法、活性化関数、オプティマイザ、ディープラーニングの基本構造設計
実務の核心である過学習防止技術を学びます。Dropout、早期終了、モデルの自動保存、およびOptunaを利用した自動ハイパーパラメータ最適化を学習します。
主な学習:過学習の確認、Dropout、EarlyStopping、モデルの自動保存、Optunaチューニング
画像認識の核心であるCNNと、シーケンスデータを扱うRNNをMNISTの実習を通じてマスターし、既存のモデルを再利用する転移学習まで攻略します。
コア技術:2値/多クラス分類、CNNアーキテクチャ、MNIST実習、RNN基礎、転移学習
開発経歴
• SKT「アイランド・アドベンチャー」モバイルコンテンツ開発・ローンチ
• KT「クイズサッカー」モバイルコンテンツ開発・ローンチ
• SK「モバイル公認仲介士」ローンチ
• iPhone「漢字通」アプリ開発
• iPhone「ヘルストレーニング」アプリ開発
• KT/SK 日本ナムコ「テイルズ オブ コモンズ」コンテンツ開発
• KT ミニゲーム(ヤグムヤグム陣取り、アラジンの魔法のランプ、ミステリーブロック探偵団、BUZZ and BUZZ)開発
講義経歴
サムスンマルチキャンパス、釜山情報産業振興院、全州情報文化産業振興院、仁川情報産業振興院、韓国電波振興院、SK C&C、Tアカデミー、韓国ロボット産業振興院、大田ETRI、サムスン電子、nica教育センター、韓国生産性本部、ハンファS&C、サムスン電子、LG電子、SK C&Cなど、国内の有名企業の現職開発者および未就業者を対象に、講義および開発19年目の経歴を持つベテラン講師です。
講義分野
Java、Android、フレームワーク、データベース、UML、iPhone、ビッグデータ処理および分析、Python、モノのインターネット(IoT)、R/Pythonを活用したデータ分析、ディープラーニング、機械学習AI、Spark分野などの分野について講義しています。多様な経験を活かして最大限わかりやすく説明し、実習に適用できるよう例題を作成し、解説を行う講義構成にしています。オフライン授業ではないため、わからないことは質問&回答を
学習対象は
誰でしょう?
- 本格的なディープラーニングモデラーの道に進みたい方:単にライブラリを使いこなすレベルを超え、人工ニューラルネットワークがなぜ動作するのか、その原理(数学・理論)から実践的なモデル構築までを一気に習得したい方に強くおすすめします。
- ディープラーニングの「ブラックボックス」をしっかりと開けてみたい方:微分、チェーンルール(連鎖律)、誤差逆伝播法など、ニューラルネットワークの核心エンジンを理解し、モデルの学習過程を完璧に掌握したい予備AIエンジニアにとって必須のカリキュラムです。
- モデルの性能を極限まで引き上げたい方:過学習(Overfitting)で悩んでいる方や、最新の最適化ツールであるOptunaを活用してハイパーパラメータを自動チューニングする「本物」の実務テクニックを切望している方に適しています。
- 画像(CNN)とシーケンス(RNN)データをマスターしたい方:MNIST数字認識から時系列データ処理、そして既存の強力なモデルを再利用する転移学習(Transfer Learning)まで、ディープラーニングの核心的なアーキテクチャを経験したい方におすすめです。
- 理論とフレームワーク(TensorFlow/Keras)を同時に習得したい方:複雑な数式をコードでどのように実装するのか、TensorFlowの強力な機能をどのように実務プロジェクトに落とし込むのかを知りたい方のために用意しました。
前提知識、
必要でしょうか?
Pythonの基本文法とNumpy、Pandasに関する基礎知識が必要です。
数学的なベースが不足していても、講義内で核心となる概念を解説しますので、情熱さえあれば十分に完走することができます。
16,021
受講生
826
受講レビュー
594
回答
4.7
講座評価
44
講座
ソフトキャンパスは、オン・オフライン講義およびコンテンツ販売を支援する教育センターです。
AI関連分野および多様な講義・コンテンツの購入に関するお問い合わせは、raputa@nate.comおよび電話 02-553-0824 までご連絡ください。
ありがとうございます。
全体
44件 ∙ (15時間 27分)
1. 第1講 講座紹介
02:12
2. 第2講 ディープラーニングの概要
29:20
3. 第3講 ディープラーニングの歴史
18:17
5. 第5講 開発環境の構築
10:21
6. 第6講 ライブラリのインストール
07:33
7. 第7講 一次関数と二次関数
32:55
12. 第12講 誤差評価指標の理解
18:20
13. 第13講 重回帰分析
18:31
15. 第15講 勾配降下法
38:56
16. 第16講 学習率
19:35
17. 第17講 真偽を分類する線を引く
16:21
18. 第18講 シグモイド関数
12:58
20. 第20講 パーセプトロン
20:44
22. 第22講 多層パーセプトロン
20:49
23. 第23講 誤差逆伝播
26:33
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!
期間限定セール
¥27,500
50%
¥7,056

