深層学習による画像処理

この講座でできること

近年のAIブームのきっかけは、2012年に開催された ILSVRC という画像認識のコンペティションで、深層学習を使ったチームが他チームを圧倒したことでした。本講座では、その深層学習の基礎と画像処理への応用について幅広く学びます。

対象者

・AI開発の担当社員およびその実務管理者

・WEBサイトやWEBアプリ、スマホアプリにAI機能を実装する開発担当者

・家電や自動車等各種機器にAI機能を実装する開発担当者

・新しいテクノロジーの習得を通じてキャリア形成を加速させたい中堅社員

・AIが役立つ可能性のあるビジネスインテリジェンスまたはデータ分析の業務に携わるデータサイエンティスト・アナリスト

・ビジネスにおけるAI活用の進展を目の当たりにして、キャリアアップを真剣に考える方

学習内容

第1講:深層学習と画像処理

近年のAIブームを巻き起こした深層学習の概要と主な画像認識タスクを紹介します。

第6講:セグメンテーション

セグメンテーションはいろいろな場面で使われている技術です。本講ではセグメンテーションの基本的なモデルの構築手法を学びます。

第2講:畳み込み演算

深層学習による画像処理のコアとなる技術である畳み込み演算について、実例を交えて紹介します。

第7講:物体検出

物体検出もいろいろな場面で利用されている技術です。本講では、物体検出の基礎概念の理解と簡単な推論方法を学びます。

第3講:基本的な画像分類モデル

深層学習における訓練の考え方と、基本的な画像分類モデルの構築方法について解説します。

第8講:異常検知

画像の異常検知は不良品の検査や医療分野で利用されています。本講では、画像異常検知の様々な手法と基本的な実装方法を紹介します。

第4講:深層学習モデルの改良

深層学習モデルを改善して精度を向上させるポイントをおさえます。

第9講:画像生成・変換

深層学習の発展により、本物と見間違うほどきれいな画像を生成できるようになりました。本講では深層画像生成モデルの基礎であるVAEとGANについて解説します。

第5講:訓練済みモデルの利用

訓練済みモデルをうまく活用する方法を学びます。深層学習モデルの訓練には大量のデータが必要になりますが、訓練済みモデルを使うことで、少量のデータで高精度なモデルを構築することができます。

第10講:発展的な話題

本講では、これまでの講義ではお伝えしきれなかった深層学習の発展的なトピックを紹介します。

講師の紹介

太田満久

株式会社ELAN 代表取締役、株式会社Iroribi 顧問。

2010年、部式会社ブレインパッドにソフトウェア開発エンジニアとして新卒入社。数理的なバックグラウンドを活かし、自然言語処理エンジンやレコメンドアルゴリズムの開発を担当。最新技術の調査・検証やマネジメントを担当した後、Chief Data Technology Officer として会社全体の技術リードを担当。 Google Developers Expert (Machine Learning) として多くの勉強会で登壇。TensorFlow UserGroup のオーガナイザとして、機械学習関連のイベントを定期的に開催。日本ディープラーニング協会人材育成委員。京都大学博士（理学）。

＜主な著書＞

『失敗しないデータ分析・AIのビジネス導入プロジェクト進行から組織づくりまで』(森北出版 2018年)
『現場で使える！TensorFlow開発入門』（翔泳社 2018年）
『実践 Deep Learning』監訳（オライリージャパン 2018年）
『コマンドラインではじめるデータサイエンス』監訳（オライリージャパン 2015年）
『TensorFlow 活用ガイド』（技術評論社 2018年）

お問い合わせはこちら