2019 年コロナウイルス (COVID-19) に関連する最新情報

COVID-19 の流行に関する懸念の高まりを受け Mathworks はクラスルーム形式コースの代わりに講師によるオンライントレーニングコースを追加しています。

必要条件

MATLAB 基礎コースを受講された方、または同等の知識（特にベクトル・行列・テーブル操作の知識）をお持ちの方。ディープラーニング入門コースの事前受講必須。ディープネットワークと画像処理の基礎知識があればなお可。

MATLAB によるディープラーニングは、NVIDIA Deep Learning Institute によって承認されています。Deep Learning Institute では、GPU も活用した分野別のトレーニングを提供しています。産業分野別のコンテンツや CUDA の上級プログラミングコースについてご興味のある方はこちらをご確認ください。

詳細を見るスタート

MATLAB によるディープラーニング

この 2 日コースでは、MATLAB^® を使った、実践的なディープラーニングのワークフローについて説明します。本コースを通じて、各種のディープニューラルネットワークを作成し、学習させ、評価する方法を学ぶことができます。講師によるトレーニングでは、ディープニューラルネットワークの学習プロセスを高速化させるために NVIDIA GPU を使用します。

イメージデータやシーケンスデータのインポート
畳み込みニューラルネットワークを使用したイメージの分類、回帰、オブジェクト検出
長短期記憶ネットワークを使用したシーケンスの分類と予測
一般的なネットワークアーキテクチャを変更したカスタム問題への対応
学習オプションを変更してネットワークのパフォーマンスを改善

Deep Learning with MATLAB is endorsed by NVIDIA's Deep Learning Institute. The Deep Learning Institute offers specialized training also powered by GPUs. Check out their industry-specific content and advanced CUDA programming courses.

コース概要の詳細を見る

必要条件

詳細を見るスタート

1 日目
イメージ分類向けの転移学習	目的: 事前学習済みのネットワークを使用してイメージを分類する方法や、転送学習を使用してカスタマイズされた分類ネットワークを学習させる方法について学びます。事前学習済みのネットワークイメージの前処理一連のイメージの管理転移学習
ネットワークの動作の解釈	目的: ネットワークを通過するイメージデータを視覚化することで、ネットワークの動作状況を把握できます。この章ではこの手法をさまざまな種類のイメージに適用する方法について学びます。 CNN での活性化特徴の抽出機械学習
ネットワークの作成	目的: 畳み込みネットワークを最初から構築します。この章ではネットワークのレイヤ間で情報がどのように渡されるか、および各レイヤがどのように機能するかを理解します。層の作成と層の組み立て 2 次元畳み込みフィルターの表示と使用
ネットワークの学習	目的: 学習アルゴリズムがどのように機能するかを理解します。この章では学習を監視および制御するための学習オプションについて学びます。ネットワークの学習学習の進行状況の監視検証

2 日目
ネットワークパフォーマンスの改善	目的: ネットワークパフォーマンスを向上させるために、学習アルゴリズムのオプション、ネットワークアーキテクチャまたは、学習データを変更する方法について学びます。学習オプションの調整イメージの拡張有向非循環グラフ (DAG) ネットワーク
イメージ回帰の実行	目的: 連続的な数値応答を予測できる畳み込みネットワークを作成する方法について学びます。イメージ回帰回帰のための転移学習回帰ネットワークの評価
イメージ内のオブジェクトの検出	目的: ネットワークを学習させ、イメージ内の特定のオブジェクトを検索し、ラベルを付けする方法について学びます。オブジェクト検出用のグラウンドトゥルース R-CNN (Regions with Convolutional Neural Networks) R-CNN オブジェクト検出器の使用
シーケンスデータの分類	目的: 時系列データやセンサーデータなどの順序付けられた一連のデータを分類するためのネットワークを構築し、学習する方法について学びます。長短期記憶ネットワークシーケンスデータの構造化ダミー変数 sequence-to-label 分類器の学習と評価
出力シーケンスの生成	目的: リカレントネットワークを使ってシーケンスを予測する方法について学びます。 sequence-to-sequence 分類時間の経過に沿った予測信頼度の表示シーケンスの予測

実施確定

これらのコースはご登録後、キャンセルもしくは日程変更されることはありません。

スケジュールと受講申請

結果 1 - 14 / 14

日付	開催地	言語	料金
オンデマンド	自己学習形式申し込み後 180 日間無制限でアクセス可能	Japanese	USD 350
オンデマンド	自己学習形式申し込み後 180 日間無制限でアクセス可能	English	USD 350
2021 年02月09日- 2021 年02月10日	オンライン 9:00 am - 5:00 pm 日本標準時	Japanese	USD 1,500
2021 年02月18日- 2021 年02月19日	オンライン 9:00 am - 5:00 pm 中央ヨーロッパ標準時	English	USD 1,500
2021 年03月09日- 2021 年03月10日	オンライン 9:00 am - 5:00 pm 中国標準時	Chinese	USD 1,500
2021 年03月16日- 2021 年03月17日	オンライン 9:00 am - 5:00 pm (米国東部夏時間)	English	USD 1,500
2021 年03月18日- 2021 年03月19日	オンライン 9:00 am - 5:00 pm 中央ヨーロッパ標準時	French	USD 1,500
2021 年03月25日	オンライン 9:00 am - 5:00 pm (オーストラリア東部夏時間)	English	USD 1,500
2021 年04月27日- 2021 年04月28日	オンライン 9:00 am - 5:00 pm 日本標準時	Japanese	USD 1,500
2021 年05月05日- 2021 年05月06日	オンライン 9:00 am - 5:00 pm 中央ヨーロッパ標準時	English	USD 1,500
2021 年05月27日- 2021 年05月28日	オンライン 9:00 am - 5:00 pm 韓国標準時	Korean	USD 1,500
2021 年06月10日- 2021 年06月11日	オンライン 9:00 am - 5:00 pm (インド標準時)	English	USD 1,500
2021 年06月16日- 2021 年06月17日	オンライン 9:00 am - 5:00 pm (米国太平洋夏時間)	English	USD 1,500
2021 年06月29日- 2021 年06月30日	オンライン 9:00 am - 5:00 pm 日本標準時	Japanese	USD 1,500

結果 1 - 14 / 14

この価格はアメリカ合衆国, で購入および使用された際に適用されます。その他の地域での価格については、弊社営業までお問い合わせください。製品価格には、売上税、使用税、消費税、付加価値税、その他の税金は含まれていません。ご注文の際に、実際に適用される税金、関税、課徴金、賦課金および政府関係費用が確定します。詳細については、MathWorks トレーニングポリシーを参照してください。