NEWS

※延期決定 【3月開催】<即戦力データサイエンス人材を育成する2日間> ~ ディープラーニングの本質から実践まで ~ のご案内

※新型コロナウイルス感染の防止対策のため、本研修は延期となりました。新たな開催の日程などは決定次第、こちらのページで発表致します。

 

 

■背景

巷では、原理や本質を理解せずに手だけ動かす表層的なデータサイエンス講座が溢れています。これに対してGRIは株式会社クロノス(https://www.kronos.jp/)と共同で、「すぐに即戦力になれるデータサイエンス人材」を育成する、20日間の実践研修を今年秋に開講する予定です。秋の本番で入手できる教養と技術の深さを味わっていただくために今回、体験研修をご用意しました!

凝縮した2日間で、実践的な演習、基礎数学からの体系的理解、知識テスト、実務のシミュレーションを兼ねたワークショップ、本講座の講師によるアフターフォローなど、浅く広くではなく、本番と全く同じ実践度と粒度で講座を行います。過去にないスキルアップを獲得したい方からのお申し込みをお待ちしております。

 

■本研修のゴール
• 基礎数学の理解、データ前処理、機械学習の実装、 更にレポート作成とプレゼンテーションまで、即戦力になるデータサイエンス人材に必須な要素をぜんぶ実践する
• ディープラーニングの本質の理解を強化した上で、画像認識を支える最先端技術を実装レベルでマスターする(秋開講の20日間のデモとして用いる具体的なテーマでもある)

講座情報
■実施期間
2020年3月17日(火)・18日(水)   10:00〜17:00 ※2日間、合計12時間
■会場
株式会社クロノス 東京本社 研修室(https://www.kronos.jp/
JR・都営線五反田駅から徒歩5分、東急線大崎広小路駅から徒歩3分
〒141-0031
東京都品川区西五反田8丁目1-14
最勝ビル 6F  Google Mapを見る
■対象者
• 実務での活躍に直結するデータサイエンススキルを習得したい方
• エンジニア・分析官・データサイエンティストの初心者
• 本気でキャリアチェンジを目指すビジネスパーソン
※ ある程度の基礎知識(AI・機械学習の基本概念・Pythonなど)を習得してあることを前提としています
■定員
30名
■費用
8万円(税別)※ テキスト代込
■本研修へのお申込み・お問い合わせ
下記メールアドレスへご連絡下さい
     ↓
learning@kronos.jp

※お申込み頂く際は、メール本文内に下記の情報をご入力下さい
•ご担当者名
•参加人数
•法人名

 

過去の講座の様子(立っている女性が本講座を担当する講師のヤン)

 

■概要
研修テーマ:”ディープラーニングの本質から実践まで”を行う
 知識の強化
• ディープラーニングの技術の特性、仕組み、事例を知る
• 最適化アルゴリズムを理解する為の数学(誤差逆伝播、損失関数など)
 画像認識モデルの構築
• 画像データのハンドリング
• 畳み込みニューラルネットワークを応用した画像認識実践(手書き文字、ファッションアイテム画像、動物・乗り物画像)
 モデルのチューニングに挑戦
• パラメータの最適化
• 精度向上の技術(過学習対策、データ拡張 、転移学習)
【ワークショップ・コンペ】
•精度チューニングの試行錯誤を実施し、そのプロセス・結果・考察をレポーティング → チームでプレゼン

■研修に必要な環境
• Google Colaboratory 、ブラウザ、無線LANを使用出来るノートPC
• セットアップのためのマニュアルを事前に提供
※ Google colaboratory環境内ではPython、Jupyter Notebook、分析ライブラリを別途インストール作業なく使用可能

■特典
・本研修を受講して頂いた方に限り、今秋に開催予定の20日特訓コースの研修費用に還元
・株式会社GRIの過去講座の受講者様は今回半額で受講可能!

 

■講師紹介

ヤン・ジャクリン
データ分析官 兼 講師

•北京生まれ・日本育ちの米国籍、日・英・中のトライリンガル
•東京大学理学部卒、東京大学大学院理学系研究科博士課程修了(理学博士)
•高エネルギー加速器研究機構を経て、2017年7月より現職
•Tableau認定資格取得者
•Python、機械学習、画像認識、データ加工・可視化分析、SQL、Linux、統計学など多様な講座を開設

(参考:https://gri.jp/company/introduce

 

■ 研修プログラムのタイムテーブル
※1週間前にテキストとソースコードを配布

1日目: 10:00 – 17:00  (途中で適宜休憩)
テーマ:知識の深さを強化
•ディープラーニングの技術の特性、仕組み、事例紹介
•画像認識の王道手法、畳み込みニューラルネットワーク(CNN)の特徴
•最適化アルゴリズムを理解するための数学講義
〜誤差逆伝播、損失関数を他人に説明できるまで〜
•確認テスト

【演習】画像認識のモデルを構築
•画像データ処理
•実践①(初級):手書き文字画像の分類
•実践②(中級):CNNを用いたファッションアイテム画像の分類
•実践③(上級):CNNを用いた動物・乗り物画像の分類

 

2日目: 10:00 – 17:00  (途中で適宜休憩)
テーマ:モデルの精度を向上するための技術
•パラメータのチューニング
•過学習対策、データ拡張、転移学習

【ワークショップ】CNNモデルの精度チューニングに挑戦
•精度向上を試行錯誤(精度を競うコンペ形式を想定)
•レポート作成
•チームでシェア→プレゼン
•解説・ディスカッション

この記事をシェアする

PREV

NEXT