PythonによるRNN・LSTM入門

概要

本講座のテーマはRNN・LSTM（再帰型ニューラルネットワーク）です。講座内では、RNNやLSTMのメカニズムを解説しながらKerasを用いた実装をハンズオン形式で行います。

現在RNNは時系列データの解析や自然言語処理の手法として使用され、機械翻訳などにおいて大きな成果をあげています。また、自然言語処理においては音声認識技術と合わせて音声による指示や会話など、多くの用途に応用されています。

本講座ではRNNの基礎をわかりやすく解説し、実際にKerasで実装することでその威力を体験していただきます。受講後は、理論ベースでRNN・LSTMの仕組みを理解し、実装も可能になっていることを目指します。

【参加条件】
- Python3の基本文法を理解している方
- Kerasで単純なニューラルネットワーク（多層パーセプトロン）を写経でも構築したことがある方

上記の条件を満たしていない方は以下の講座を合わせて受講していただくことをこ検討ください。
- Python3の基本文法に不安のある方は、Python入門講座
- tensorflowを用いたニューラルネットワーク構築のハンズオンを体験したい方は、【tensorflowで学ぶ】ディープラーニング実装入門
- ニューラルネットワークの基本原理を学びたい方は、【ゼロから学ぶ】ディープラーニング理論入門

事前準備

Python3のインストールをお願いいたします。
また、以下のパッケージを当講座では利用しますので、当日までに動作確認をお願いいたします。

• jupyter notebook
• numpy
• keras
• matplotlib

この講座で得られること

• RNN・LSTMの基本的なメカニズムとkerasによる実装方法の習得
• RNNで何ができるか俯瞰的に捉えられる

カリキュラム

• 系列データ
• RNNの概要・応用例
• SimpleRNN
• LSTM
• Kerasによる実装
• RNNの発展

※内容は一部変更になることがございます。

こんな人におすすめ

• 最短ルートでRNNやLSTMを学びたい方
• 自然言語処理や時系列のデータを扱いたい方
• 人工知能を利用した事業などに興味がある方

講師

加藤　涼太
東京大学大学院にて深層学習を含む機械学習を応用する研究に従事している。RNNを用いた分子の立体構造から物性を予測する論文を発表。趣味で競技プログラミングにも取り組んでいる。

吉田　拓真
東京大学大学院にてシステム開発の研究に従事。C++を用いて、ライブラリを使わずに独自に深層強化学習を実装したことをきっかけに機械学習に携わっている。また、ドリーム・アーツとリクルートテクノロジーズで人工知能を使ったデータ分析に従事している。

持ち物

• Python3の実行環境と必要ライブラリ（jupyter notebook, keras, numpy, matplotlib）をインストール済みのPC。
  ※ インストールでお困りの方はinfo@to-kei.netまでご連絡いただければ、可能な範囲で対応致します。
  ※ 講座の進行は「jupyter notebook」を使います。同じ実行環境で受講したい方は、インストールをお勧め致します。

参加費

前払い
2500円

※前払いの方でキャンセルされる場合は、開催日の3日前までのご連絡に限り、払い戻し手数料を差し引いた金額を返金いたします。それ以降は返金には応じ兼ねますのでご了承ください。

二回目の参加の方
無料

領収書

前払いの方
決済処理後にPaypalから送付されるメール内容、またはPaypalの取引履歴から該当項目を確認の上、「詳細」をご覧ください。それらが領収書の代わりとなります。また、クレジットカード会社発行の利用明細書も領収書としてご利用いただけます。（当社より重複しての領収書発行は行えません)

受付・入場時間

開始の15分前から

問い合わせ

イベントに関するお問い合わせはinfo@to-kei.netまでご連絡ください。

注意事項

• 講義のコンテンツは全て「全人類がわかる統計学」に帰属していますので、複製はご遠慮ください。
• 個人ブログへの講義コンテンツの掲載はご遠慮ください。
• リクルーティング、勧誘、採用活動など、目的に沿わない行為につきまして、主催者が相応しくないと判断した場合は即刻退出処分とします。全員が気持ちよく過ごすことが出来るよう、ご協力をお願い致します。

全人類がわかる統計学とは

統計学の学習サイト、全人類がわかる統計学を運営、管理している団体です。統計学とその関連分野について、出来るだけわかりやすく多くの人々に届けるということを目指して活動しています。