AIプログラミングコース

1章 a 人工知能概論

1章 b 人工知能の作り方と人工知能の活用方法

2章 機械学習とは

3章 AIシステムの設計・構築に関しての手順

4章 パーセプトロン・ニューラルネットワーク・ディープラーニング

5章 TensorFLow チュートリアル

6章 TensorFlow 認識問題

7章 Keras チュートリアル

8章 Keras 認識問題

9章 論文を読む(最新の論文紹介)

10章 実践編 (応用プロジェクト)

●人工知能概論

人工知能概論では、人工知能が誕生してから現在までの技術を広く知り、学ぶことを目的としています。

●人工知能の作り方と人工知能の活用方法

この章では、再度「人工知能」の基礎の復習も兼ねて、人工知能の説明と人工知能の作り方と人工知能の活用方法について説明します。

■ 人工知能(AI)とは
■ 強いAIと弱いAI(汎用人工知能と特化型人工知能)
■ 弱いAI(特化型人工知能)を持った製品やサービス
■ 人工知能の歴史
■ 人工知能(AI)にできること・できないこと
■ AIが向いていること(得意なこと)
■ 機械学習とディープラーニングの違い
■ 機械学習で出来ること・出来ないこと
■ ディープラーニングで出来ること・出来ないこと
■ 人工知能に置き換えられる職業と置き換えられない職業
■ 人工知能とビジネスの応用
■ 人工知能の作り方

●機械学習とは

機械学習は、人工知能技術の1つです。
まずは、機械学習とは何なのか?再度確認し、機械学習の種類や、 機械学習がどのようなところで使われているのか
また、Pythonの機械学習ライブラリを使い、機械学習のプログラミングを学習していきましょう。

■ 機械学習とは
■ 機械学習とディープラーニングの関係
■ 分類(Classification)と回帰(Regression)
■ 3種類の機械学習
■ 教師あり学習
■ 教師なし学習
■ 強化学習
■ 機械学習の応用分野
■ 機械学習アルゴリズムの種類
■ Numpy
■ Matplotlib
■ Pandas
■ scikit-learn

●AIシステムの設計・構築に関しての手順

人工知能や機械学習、ディープラーニングの意味や、人工知能で出来ることや出来ないことなどが分かったかと思います。
この章では、人工知能(AI)のシステムを作るためのロードマップを学習していきます。

■ AIシステムを設計・構築するためのステップ

●パーセプトロン・ニューラルネットワーク・ディープラーニング

市販の「ゼロから作るDeepLearning」を使用し、外部ライブラリだけを使いゼロからディープラーニングプログラムを実装します。

●TensorFLow チュートリアル

Pythonを使い、ほぼ0からニューラルネットワークを作ってきましたが、 実はディープラーニングを便利に使うことが出来るライブラリが存在します。
Googleが開発したTensorFlowというディープラーニングライブラリの基本的な文法を学び、TensorFlowでAIシステムを作るための基本文法を学習します。

■ TensorFlowとは
■ 変数
■ 変数代入のタイミング
■ プレースホルダー
■ テンソル (Tensor)とは
■ セッション
■ TensorBoardでグラフを可視化する
■ 単層ニューラルネットワーク
■ TensorFlow活性化関数
■ ニューラルネットワーク構築
■ Optimizers
■ 分類
■ Regularization dropout
■ Saver
■ CNN
■ RNN

●TensorFlow 認識問題

TensorFlowの基本文法を学んだあとは、実際に簡単な画像認識の問題を実装していきましょう。
ここでは、具体的にTensorFlowを使いどのようにモデルを作るかなど、実践的なプログラムを学びます。

●Keras チュートリアル

この章では、「Keras」というディープラーニングライブラリの基本的な使い方を学びます。

●Keras 認識問題

この章では、「Keras」を使い、画像認識問題を実装して頂きます。
kerasを使い、画像認識モデルを作ります。

●論文を読む(最新の論文紹介)

過去に話題になった有名な論文を説明し、今話題になっている論文を取り上げその解説をします。
今後、論文を読み、実装に落とし込めるようにするための説明をします

●実践編 (応用プロジェクト)

これまで学んだことをフルに活かし、「画像認識」「会話Bot」「自動売買トレードAI」「画像生成」などの中ら1つプロジェクトを選び、実際に作って頂きます。


今スグ無料体験エントリーする