- ホーム
- コース概要 | ディープラーニング ～テキスト解析編～
コースコード：AI02F
ディープラーニング ～テキスト解析編～(1日間)
最新の開催情報
- 受講料
- 99,000円 90,000円
- 開始日（申込締切前）
- 遠隔ライブ 5/22
- 講習日数
- 1日間
コース概要
「RNN(リカレントニューラルネットワーク）」をはじめとしたディープラーニングを用いたテキスト解析に関する代表的手法の特徴と基本的な仕組み、データ分析の方法を学びます。
機械学習のデファクトスタンダードであるJupyter Notebook上で、Python/PyTorchを使い学習します。
- 開催形式
- 遠隔ライブ研修
- 研修サービス
- テキスト マシン実習
前提知識
以下のすべての条件を満たしている方
「ディープラーニング ～基礎～」を修了、または同等知識をお持ちの方。
到達目標
- ディープラーニングでテキスト解析のタスクを行う際の代表的なモデルについて説明できる。
- リカレントニューラルネットワーク(RNN)の特徴、仕組みを説明できる。
- Pythonの深層学習ライブラリであるPyTorchを用いて、RNNのモデルを実装し、文章の分類などのテキスト解析を実施できる。
講師からのメッセージ
本コースは、以下のようにコース名が変更となりましたが、コース内容およびコースコードについては変更はありません。
2023年3月まで：「ディープラーニング ～応用（RNN編）～」
2024年4月以降：「ディープラーニング ～テキスト解析編～」
コース内容
| 1日目 | AM | 1．ディープラーニングとは ・AIとは ・ディープラーニングの種類 (全結合型)ニューラルネットワーク 畳み込みニューラルネットワーク(CNN) 再帰型ニューラルネットワーク(RNN) ・ディープラーニングの入力・出力 ・ディープラーニングの活用例 2．全結合型ディープラーニングの復習 ・ニューロンと人工ニューロン、ニューラルネットワーク ・ニューラルネットワークの層(入力層、中間層、出力層) ・ニューラルネットワークの学習(順伝播、逆伝播(誤差逆伝播)) ・全結合、活性化関数(ReLU、恒等関数、sigmoid関数、softmax関数) ・誤差逆伝播法、損失関数、勾配降下法、重みの更新 ・最適化手法（オプティマイザ） 3．RNNの仕組み ・時系列データ(数値データ、自然言語、音声) ・時系列データの予測 ・時系列データのニューラルネットワークへの適用 ・リカレントニューラルネットワーク（RNN） ・シンプルRNN ・（参考）勾配消失・勾配爆発 ・LSTM(Long Short-Term Memory) CEC(Constant Error Carousel) 忘却(forget)ゲート、入力(input)ゲート、出力(output)ゲート GRU(Gated Recurrent Unit) 4．ディープラーニングのフレームワーク ・ディープラーニングのフレームワーク ・PyTorchとは 5．モデルの定義 ・モデル定義方法 モデルクラス作成 RNN層定義 全結合層定義 モデル生成 活性化関数（出力層）定義、損失関数設定 オプティマイザ、スケジューラの設定 モデル表示、モデルのセーブ・ロード 6．学習 ・PyTorchによる分析の流れ(データ変換、学習、予測) ・データ変換処理 学習用データ、検証用データ分割 データをTensor型に変換 ミニバッチ学習用にデータ設定(バッチサイズ、エポック数、DataLoader) ・学習処理(学習関数、検証関数) ・予測処理(予測関数) ・（参考） GPUの利用 |
PM | 7．時系列予測例 ・時系列データの予測(訪日客数を予測) 8．自然言語の前処理 ・形態素解析 ・分散表現（単語埋め込み） ・文章の前処理 クリーニング、文字の正規化、単語の正規化、ストップワード除去 ・torchtextによる前処理 9．言語モデル ・言語処理を行うモデルの定義 ・エンベディング層 ・PyTorchによる文章分類の流れ 前処理 文章の前処理設定、文章の読み込み データセット作成、学習用・検証用データの分離 単語辞書作成、ミニバッチ学習用にデータ設定 学習 学習関数、検証関数、学習処理 予測 予測関数 10．演習 ・文章の分類(ネガ/ポジ判定) ・演習の流れ 文章の前処理 モデルの作成・学習 学習済単語ベクトルの利用 Self Attentionによる結果の可視化(双方向RNN) 11．文章生成 ・Seq2Seq Seq2Seqのモデル エンコーダ(Encoder)、デコーダ(Decoder)、Attention （参考） 翻訳の精度 ・Transformer Transformerの構造 Encoder、Decoder、Positional Encoding、Multi-Head Attention Transformerを利用した翻訳 12．LLM ・LLMの概要 ・スケーリング則 ・主なLLM BERT GPT-3 ・LLMのチューニング |
お客様の声
「トレンドの情報が網羅されていた点が良かったです」
「RNN実装時の大きな流れやチューニングのポイントなどが理解でき、大変有効な研修でした」
「テクニカルな内容でやりごたえがあり、満足しました」
留意事項・備考
■参考URL
NECアカデミー for AI
■遠隔ライブ受講について■
＜■本コース受講にあたっては、事前の準備が必須となります。＞
お申込みの前に、事前準備をご確認ください。また、ご受講の際は、研修開始前までにご準備ください。
◎事前準備
◆遠隔ツール ：Zoom
Zoomに関する準備手順は、Zoom受講マニュアルよりご確認ください。
※本研修ではZoomの機能中、「チャット」、「名前の変更」を使用いたします。
また、Zoomの利用に際し、下記が必要となりますので、あらかじめご用意ください。
1.インターネットに直接接続ができるPC
2.Zoomで使用可能なマイク（質問用として使用することがあります）
◆演習用ソフトウェア：
以下のいずれかのWebブラウザの準備をお願いします。
Edge、Chrome、Firefox の最新から3つ以内のメジャーバージョン
◆教材 ：電子教材
研修当日の開始時に配布します。（研修開始7日前以降に事前送付する場合もございます。）
※本研修では、電子テキスト＋Zoom講師画面共有での説明が行われるため、サブディスプレイのご利用をお勧めいたします（必須ではありません）。
◆その他の準備 ：ファイル共有
本コースでは、ファイル共有のためにOneDriveを利用します。
研修開始前に、OneDrive（テストフォルダ）へのアクセスが可能かどうかご確認ください。
◆グループワーク：無し
==============================
本研修はNECとの連携案件となります。
そのため、受講者データを同社と共有させていただきます。
共有する情報は、本アンケートにご記入頂いた回答、受講コース名、会社名、所属、お名前、電話番号、E-mailアドレス、職種の項目になります。
開催スケジュール詳細・お申込
「カートに追加」欄の追加をクリックすると、web申込が可能です。
申込期限およびキャンセル期限は、各締切日の16:30です。
◎・・・６名様以上、空いております。
○・・・１～５名様の空きがございます。
△・・・キャンセル待ちとなります。(ただし、備考欄に注記がある場合はキャンセル待ちではありませんので、注記をご参照ください)
空席状況は定期的に更新しています。◎○でも、既に満席の場合はご了承下さい。詳細な空席状況は研修申込センターにお問い合せください。
| 地区 | 開催番号 | 会場名 | 開始日～ 終了日 | 日数 | 講習時間 | 申込締切日 | 空席 状況 | 備考 | カートに 追加 |
|---|---|---|---|---|---|---|---|---|---|
| キャンセル締切日 | |||||||||
| 遠隔ライブ | AI02F001K | 遠隔ライブ研修 | 2024/05/22～ 2024/05/22 |
1日間 | 09:30～ 17:30 |
2024/05/16 | ◎ | ||
| 2024/05/16 | |||||||||
| AI02F002K | 遠隔ライブ研修 | 2024/07/12～ 2024/07/12 |
1日間 | 09:30～ 17:30 |
2024/07/08 | ◎ | |||
| 2024/07/08 | |||||||||
| AI02F003K | 遠隔ライブ研修 | 2024/08/30～ 2024/08/30 |
1日間 | 09:30～ 17:30 |
2024/08/26 | ◎ | |||
| 2024/08/26 |