日本のディープラーニング研究の
フロントランナー「巣籠 悠輔」企画開発
日本を代表するAIの学舎
NEWSお知らせ
- 2020.05.11
- AIエンジニアA判定対策講座をリリースしました。
- 2020.04.06
- メディア掲載 Gihyo.jpで掲載されました。
- 2020.04.06
- メディア掲載 IT人材ラボで掲載されました。
- 2020.04.06
- 優れたAI人材を目指す学習者の理解レベル・思考力をデータ化し、カスタムメイドされたオンライン講義を提供する新しいアプローチを開発。第一弾として巣籠塾AIビジネスパーソン検定A判定対策講座をリリースしました。
ENGINEERエンジニア系プログラム
現在の人工知能技術はどういったものなのか、どういったことが実現できるのか、人工知能の基礎や活用方法について学ぶ、ビジネスパーソン向けプログラム。
- AIエンジニア
基礎充実コース - ディープラーニング
実践講座(集合研修) - 巣籠塾
AIエンジニア検定 - 巣籠塾
AIエンジニア検定
A判定対策講座 - 巣籠塾
AIエンジニアになるための
数学講座(仮題)
BUSINESSビジネスパーソン系プログラム
人工知能の理論の基本から実際の事例など、ディープラーニングを活用したシステム開発や理論について学ぶ、エンジニア向けプログラム。
- AIビジネスパーソン
基礎充実コース - AIビジネスパーソン
応用編(集合研修) - 巣籠塾
AIビジネスパーソン検定 - 巣籠塾
AIビジネスパーソン検定
A判定対策講座
PROFILE講師プロフィール
巣籠 悠輔
Yusuke Sugomori
日本のディープラーニング研究のフロント・ランナー。Gunosy、READYFORの創業メンバーとして、エンジニアリング、デザインを担当。大学院修了後は電通にてデジタルクリエイティヴの企画・製作、デイレクションに従事。Googleニューヨーク支社勤務を経て株式会社情報医療創業に参画。日本デイープラーニング協会有識者会員。東京大学招聘講師。株式会社情報医療CTO。
東京大学システム創成学科首席卒業。東京大学大学院工学系研究科技術経営戦略学専攻。
BOOKS推薦図書
-
詳解ディープラーニング 第2版 ~TensorFlow/Keras・PyTorchによる時系列データ処理~
ディープラーニング実装入門書の決定版!
ニューラルネットワークの理論とディープラーニングの実装について丁寧に解説。実装には、Python(3.x)とディープラーニング向けライブラリKeras(2.x)、TensorFlow(2.x)、PyTorch(1.x)を用います。
本書では、自然言語処理をはじめとした時系列データ処理のためのディープラーニング・アルゴリズムに焦点を当てているのも大きな特徴の1つです。本書の[第1版](2017年)以降に次々と登場している新しい手法やモデルを丁寧に説明、記事も大幅にボリュームアップしました。 -
深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト [共著]
ディープラーニングの知識を測る検定試験(G検定)の「公式テキスト」登場!
これからの時代に必須の新資格「G検定」の対策書!試験を知り尽くした著者陣による執筆!「JDLA Deep Learning for GENERAL 2018」に完全準拠!練習問題つきなので、試験勉強に最適! -
AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説!
PythonベースのディープラーニングフレームワークKerasの開発者である筆者が、1人でも多くの人々がディープラーニングを利用できるよう実践解説します。
本書はディープラーニングを一から学習したいと考えている人のために書かれています。数学的な表記を避け、代わりにコードを使って定量的な概念を説明することで、機械学習とディープラーニングの基本的な考えについて実践的な知識を養っていきます。
サンプルコードはPythonベースのディープラーニングフレームワークであるKerasに基づいており、バックエンドエンジンとしてTensorFlowを使用しています。 -
「人工知能を使ったプロジェクト」でチャンスをつかむ!
世の中で氾濫している「人工知能・AI」という言葉に惑わされないようにするため、人工知能についての正しい知識を身につけ、理解することが必要です。
人工知能分野の発展に貢献しているのが 機械学習・深層学習(ディープラーニング)と呼ばれる技術で「人工知能(AI)を使ってなにかプロジェクトをやってほしい」と言われたとき「ビジネス課題を機械学習・深層学習でどのように解決すればよいか」と置き換えて考えればよいケースがほとんどです。
本書では、あいまいな状態になっているビジネス上の課題を機械学習を試すことのできるような形に課題を書き換えたり、人工知能の代表的な手法である推論・探索、知識表現、機械学習、深層学習の各手法をフレームワークとして考え、実際のビジネスで活用できるといった“AI的思考力”を高める方法を解説していきます。
また人工知能は万能ではなく、ビジネス上における課題は千差万別です。本書の目指すところは「人工知能で解決できるものなのか」を自ら判断し、「人工知能のどの技術を使えばよいのか」が分かるようになることです。
人工知能技術の大部分は数学によって支えられていますが、本書はあくまでも「ビジネスで人工知能を活用するために知っておくべきこと」をまとめたものですので“難しい数式”は一切出てきません(もちろん、プログラミングも)。 -
Deep Learning Javaプログラミング 深層学習の理論と実装
深層学習のアルゴリズムをJavaで実装!「ゼロからの実装」のほか「ライブラリの活用」も解説。
本書では、まず深層学習に関連する機械学習アルゴリズムを復習します。その後、深層学習アルゴリズムの主要な理論を解説し、Javaでゼロから実装する方法を示します。
さらに、Javaライブラリを利用した実装方法も解説します。深層学習用Javaライブラリとして使用するDeeplearning4jはオープンソースの分散処理ソフトウェアApache Spark/Hadoopに統合されているものです。
そのほか、人工知能やディープラーニングの変遷や今後の展望について説明し、番外編としてTheano/TensorFlow/CaffeをPythonで利用する方法も解説します。