セミナー 印刷

AI機械学習の活用・導入のために
これだけは押さえておきたい数学
【超入門】2日間セミナー

[1日目]12月16日(月) / [2日目]12月23日(月)

受講可能な形式:【Live配信(アーカイブ配信付き)】

AI時代にこそ役に立つ数学の学び直し・リスキリング

AIや機械学習の勉強を始めると要所で出てくる数学的な記述。
「覚えているようで思い出せない・・・・」 「今さらだけど、しっかり学んでおけばよかった・・・」など、
AI機械学習に関わりだして、数学の復習の必要性を痛感した方はぜひこの機会にご受講ください。
代数、指数関数、微分、確率統計など、忙しい社会人向けに、AI機械学習の足掛かりとなる数学の基礎だけを厳選して復習し、AI機械学習で使うデータの数式へのあてはめや、ニューラルネットのしくみの理解にもつなげていき、受講後には最近話題のChatGPTの内部計算も読めるように
なることを目指します。

●こんな方におススメ
✔ 
錆びついた数学の知識を、AI機械学習において使いこなせる知識へと昇華させたい方
✔ アルゴリズムや内部原理などの特徴を理解できるようになり、種々あるAI機械学習ツールの選定・活用の質を上げたい方
 
[1日目]2024年12月16日(月) 10:30~16:30 
 
AI機械学習に的を絞った
行列・偏微分・確率密度の超入門


1.AI機械学習と数学
2.代数の復習
3.指数関数の復習
4.微分の復習
5.確率統計の復習
[2日目]2024年12月23日(月) 10:30~16:30
 
AI機械学習原理を理解するための
数式読み方入門


6.データへの数式あてはめ
7.ニューラルネットのしくみ
8.AI機械学習のしくみ
9.誤差逆伝搬計算のしくみ
10.事例:GPTの数式を見てみよう

※1日目、2日目だけの受講も可能です※
日時 [1日目] 2024年12月16日(月)  10:30~16:30
[2日目] 2024年12月23日(月)  10:30~16:30
受講料(税込)
各種割引特典
99,000円 ( E-Mail案内登録価格 94,050円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体90,000円+税9,000円
E-Mail案内登録価格:本体85,500円+税8,550円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で99,000円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の49,500円)
テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】

1名申込みの場合:77,000円 ( E-Mail案内登録価格 73,150円 )
   定価:本体70,000円+税7,000円
   E-Mail案内登録価格:本体66,500円+税6,650円
 ※1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
 ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
 ※他の割引は併用できません。
単日(1日目のみ/2日目のみ)受講料


単日お申込み受講料:55,000円 ( E-Mail案内登録価格 52,250円 )
定価:本体50,000円+税5,000円
E-Mail案内登録価格:本体47,500円+税4,750円
 

E-Mail案内登録なら、2名同時申込みで1名分無料

2名で55,000円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の27,500円)
 ※2名様ともE-Mail案内登録が必須です。2名様以降の受講者は、申込み前にE-Mail案内登録をお済ませください。
 ※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
 ※3名様以上のお申込みの場合、1名あたり定価半額で追加受講できます。

 
テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】

1名で 41,800円 ( E-Mail案内登録価格 39,820円 ) 
 定価:本体38,000円+税3,800円
 E-Mail案内登録価格:本体36,200円+税3,620円
  ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
  ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
  ※他の割引は併用できません。
配布資料PDFテキスト(印刷可・編集不可)
開催2日前を目安に、弊社HPのマイページよりダウンロード可となります。
オンライン配信ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください) 
セミナー視聴・資料ダウンロードはマイページから
お申し込み後、マイページの「セミナー資料ダウンロード/映像視聴ページ」に
お申込み済みのセミナー一覧が表示されますので、該当セミナーをクリックしてください。
開催日の【2日前】より視聴用リンクと配布用資料のダウンロードリンクが表示されます。

アーカイブ(見逃し)配信について
1日目:12月17日~12月22日 
2日目:12月24日~12月30日
※アーカイブは原則として編集は行いません
※視聴準備が整い次第、担当から視聴開始のメールご連絡をいたします。
  (開催終了後にマイページでご案内するZoomの録画視聴用リンクからご視聴いただきます)
※視聴についてのお問合せ対応等は年内営業日までの受付となりますので予めご了承ください
備考※セミナーの録音・撮影はご遠慮申し上げます。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

セミナー講師

N研究所(株) 代表取締役社長 / 岐阜大学 工学部電気電子情報工学科 客員教授 
博士(工学) 蜷川 忠三 氏 
講師紹介

【講師より】
AI機械学習は数式計算そのものなので,この分野では数学を道具として使えることが大事だと思います。講師の企業30年と大学10年の経験から,機械学習に絞り込んだ数学を一生ものとして受講生に伝えます。

セミナー講演内容

 1日目  2024年12月16日(月)
 
AI機械学習に的を絞った
行列・偏微分・確率密度の超入門

[趣旨]
 本セミナー1日目では,AI機械学習の原理を知るために最低限必要な数学に絞り込んで,受講者があらためて中学数学から思い出すことから始めます。機械学習の専門書のようにさらっと数式定義式を示すだけでなく,学習計算における単純な数値例計算を順をおって書き示します。受講者が2日目のニューラルネット機械学習の内部計算原理を受講する準備として最低限に絞り込んだ数式の使い方を丁寧に説明します。

[プログラム]
1.AI機械学習と数学
 1.1 AI機械学習の再確認
 1.2 ニューラルネット入門
 1.3 学習ツールと学習原理

2.代数の復習
 2.1 関数(変数とパラメータは立場の違い)
 2.2 和の記号(意味は簡単,Σ記号に慣れる)
 2.3 ベクトル(ニューラルネットの変数,内積,ノルム)
 2.4 行列(ニューラルネットの内部計算)

3.指数関数の復習
 3.1 累乗(指数関数への準備)
 3.2 対数・指数関数(eの導入)
 3.3 指数関数の応用(ニューラルネットの活性化関数)

4.微分の復習
 4.1 微分と偏微分(変数とパラメータの変化率)
 4.2 初歩関数の微分公式(機械学習に使う最小限)
 4.3 合成関数の微分(ニューラルネットのパラメータ調整)

5.確率統計の復習
 5.1 確率基礎(条件つき確率)
 5.2 確率変数(離散から連続へ,確率密度の概念)
 5.3 正規分布(誤差分布の定番)

 □質疑応答□

 
得られる知識
・セミナー2日間のニューラルネット原理数式の意味が分かるようになる。
・そのために必要な中学高校数学だけを厳選して道具として使えるようになる。
・機械学習本やネット記事の数式を眺めて概ね追っていけるようになる。
 
受 講 対 象
・AI機械学習の内部計算原理を示す数式の意味をさっと知りたい技術者。
・文科系出身で行列や偏微分を習っていないAI機械学習プログラマ。
・ツールを使って機械学習を経験したが内部計算原理を知りたいプログラマ。
・昔習った数学は忘れたのでAI関連だけの復習したいベテラン技術者。

 
【キーワード】AI,機械学習,ニューラルネット,内部計算

 2日目  2024年12月23日(月) 
 
AI機械学習原理を理解するための
数式読み方入門

 
​[趣旨]
 本セミナー2日目は,前半までの数式記号に限定した範囲で,AI機械学習の基礎中の基礎の項目であるニューラルネット計算原理を解説します。本セミナー後半の到達点としては,ニューラルネット計算誤差関数の最小化アルゴリズム計算の理解です。そのため,AIのなかでもニューラルネットに絞り込みんで確実に内部計算を追えるようにします。そのほかへの展開は,これまで数式が障壁だったのを本セミナーで乗り越えた受講者が自ら開拓されていくものと考えます。

​[プログラム]
6.データへの数式あてはめ
 6.1 データと回帰式(データの傾向・数式あてはめ)
 6.2 最小2乗法(偏微分,合成関数の適用)

7.ニューラルネットのしくみ
 7.1 NNのしくみ(ディープラーニングとは)
 7.2 簡単な数式モデル(勉強用の数式設定)
 7.3 順伝搬(出力計算の流れ)

8.AI機械学習のしくみ
 8.1 損失関数(学習誤差全体の数式)
 8.2 勾配急降下法(最小2乗法の次の手)

9.誤差逆伝搬計算のしくみ
 9.1 誤差逆伝搬の考え(ディープラーニングの場合)
 9.2 重み調整の数式(合成偏微分の適用を理解)
 9.3 学習最適化手法

10.事例:GPTの数式を見てみよう
 10.1 自然言語のベクトル埋込み
 10.2 Transformerニューラルネット
 10.3 実は数式計算しているだけ

  □質疑応答□

 
得られる知識
・ディープラーニングの内部原理が数式レベルで納得できる。
・AI機械学習の基本は,ベクトル,行列,指数関数,偏微分,だけだと分かる。
・AI機械学習ツールの内部動作が理解できてオプション設定等が自分で可能となる。

 
受 講 対 象
・AI機械学習ツールは使っているがその内部計算原理を理解したいプログラマ。
・AI機械学習アルゴリズムを知ったうえで課題に取り組みたい技術者。
・GPTなどが応答が自然だが内部計算はどうなっているのか知りたい方。

【キーワード】AI,機械学習,ニューラルネットワーク,ディープラーニング