オンラインシステム（Zoom）による講義＋演習
※各講義・演習終了後、順次アーカイブを配信いたします(受講者の方のみ)

基礎AI講義：50名程度
基礎AI演習：30名程度
基礎DS講義：50名程度
基礎DS演習：30名程度
音声情報処理：50名程度
画像情報処理：50名程度

2021年8月18日(水)締切

ご要望にお応えしてお申込締め切りを延長いたします
開講後の途中参加も可能です（お申し込み前の講座は録画配信をご覧いただきます）

パソコンおよびオンライン受講が可能なWeb環境
※演習ではGoogle Colaboratoryを使用します。Googleアカウントの取得をお願いします。
希望受講講座に合わせて改めてご案内をお送りします。

フォームから必要事項を入力の上送信ください。
ご案内メールをお送りいたします。
受講料のお支払い完了をもって申し込み完了といたします。

基礎AI講義＋演習：275,000円(税込)　※講義のみ受講の場合110,000円
基礎DS講義＋演習：275,000円(税込)　※講義のみ受講の場合110,000円
音声情報処理：110,000円(税込)
画像情報処理：110,000円(税込)

■日程　各全８回
基礎AI講義　2021年9月7日~10月26日 毎週火曜 10:45~12:15
基礎DS講義　2021年9月2日~11月4日　毎週木曜 10:45~12:15　※9月23日・30日は開催なし
基礎AI演習　2021年9月7日~10月26日　毎週火曜 14:00~15:30
基礎DS演習　2021年9月2日~11月4日　毎週木曜 14:00~15:30　※9月23日・30日は開催なし
音声情報処理　2021年9月3日~10月22日　毎週金曜 14:20~15:50
画像情報処理　2021年9月3日~10日22日　毎週金曜 16:15~17:45

株式会社Tokyo Tech Innovation
(東京工業大学100%出資)

締切日前であっても定員になり次第受付を締め切らせていただきます。
受講者が一定数に達しない場合など、やむを得ず講座の開講を中止することがあります。
その場合、お支払い済みの受講料はお返しいたします。
講師の急病や事故、交通機関のストライキ、台風、大雪などによる著しい荒天、天災地変などのため、
やむを得ず休講、または講座内容の一部を変更することがあります。
事情により講座内容、講師を変更の上実施する場合があります。
事前に判明した休講および補講の連絡は、受講生に直接、または講義にてご連絡します。
突然の著しい荒天、天変地異、事故などによって、休講および補講が当日判明した場合は、
Slack等のチャットツールにて直接お知らせします。

＜受講者の都合により、受講ができなくなる場合＞
申込日を含む８日間以内にキャンセルのご連絡をいただいた場合は、キャンセル料は発生いたしません。
受講者の都合により受講ができなくなる場合、受講料は原則としてお返しいたしません。
受講キャンセルの場合、以下に基づきキャンセル料を頂戴いたします。開講後のキャンセルは受付できません。
〇開講日の７日前から４日前まで…受講料の 50％
〇開講日の３日前から前日まで…受講料の 100%
受講料をお支払済の方がキャンセルされる場合は、該当のキャンセル料を差し引いた額をお返しいたします。

＜開催側の都合により、受講ができなくなる場合＞
受講者が一定数に達しない場合など講座が不成立の場合、講師や当社のやむを得ない事情、
または公共交通機関のストライキ、台風、大雪等の著しい荒天、天災地変などにより
講座の全部又は一部を実施できなかった場合は、受講料の全額又は一部をお返しいたします。

本講座について
人工知能とは、人間のような知能を人工的に作ることを目指した研究分野です。近年、人工知能を実現させるた
めの技法として、機械学習や深層学習が飛躍的な進化を遂げています。本講座では人工知能の知識を習得・活用
したい方、課題解決に取り組んでいる・取り組みたい方を対象としております。また本講義では、人工知能の概
念をご紹介し、機械学習や深層学習の基礎技法と画像認識への応用技術に関する講義を行います。本講義のねら
いは、機械学習や深層学習の基礎理論を身につけると同時に人工知能に関する幅広い視野を身につけること・人
工知能技術の実用化に従事するために必要な知識と広い視野の知見を身につけることです。

受講要件
講義内容の理解のため大学学部 1 年目レベルの微分積分、線形代数、確率統計の知識があること
を前提としております。

本講座について
基礎 AI 講義と基礎 AI 演習を交互に行う事により、より効果的な学習が期待できます。
本演習では以下のような内容の習得を目指します。
・各種予測手法の性質を知り、適切な手法を選択できるようになる
・実データを対象とした予測を実施できるようになる
・深層学習 (deep learning) の基礎を理解し、深層学習ライブラリ PyTorch を利用できるようになる

受講要件
講義内容の理解のため大学学部 1 年目レベルの微分積分、線形代数、確率統計の知識があることを
前提としております。

本講座について
すべての分野において大量で多次元のデータの活用が欠かせない時代となってきております。本講座ではデータサ
イエンスの知識を習得・活用したい方、課題解決に取り組んでいる・取り組みたい方を対象としております。また
本講義では、大量のデータから本質的な情報の抽出とその分析を行い、未知の情報の予測や制御を数理的に行う基
本的技術に関する講義を行います。本講義のねらいは、コンピュータを用いてデータを処理・分析し、そこから重
要な知見を得るための基礎理論と技法を身につけること・コンピュータによるデータの処理の基本を理解し、デー
タ分析のための統計学、確率、機械学習の技法を身につけることです。

受講要件
講義内容の理解のため大学学部 1 年目レベルの微分積分、線形代数、確率統計の知識があることを
前提としております。

本講座について
基礎 DS 講義と基礎 DS 演習を交互に行う事により、より効果的な学習が期待できます。
本演習では以下のような内容の習得を目指します。
・複数の手法や設定から、予測したい課題に適した手法や設定を選択できるようになる
・Python を用いてデータを効果的に分析できるようになる
・膨大なデータを複数のグループに分割、整理し、考察を行うことができるようになる

受講要件
講義内容の理解のため大学学部 1 年目レベルの微分積分、線形代数、確率統計の知識があることを
前提としております。

本講座について
音声コミュニケーションが可能なスマートシステムを実現する上で欠かすことができない音声認識や音声合成な
どの音声情報処理技術をこれから学びたい方、あるいは既に音声情報処理に携わっていて処理技術の理論的な背
景を学びたい方を対象とし、以下を習得することを目標とします。
1) 音声情報処理に用いられる信号処理手法の基本的な説明や定式化ができる
2) 音声情報処理に用いられる特徴量や統計的モデリングの説明や定式化ができる
3) 最新の音声認識システムや音声合成システムがどのように実現されているか説明できる
また、講義内容の理解を助ける簡単な演習も適宜含める予定です。

受講要件
講義内容の理解のため学部教養レベルの微分積分、線形代数、確率統計の知識があることを前提としております。
また、最新の音声情報処理は AI・DS の手法に基づいていることから AI・DS 関連の基礎知識を有すること、
または AI・DS 講座の同時受講を推奨します。

本講座について
人工知能研究における機械学習の有力な手段として深層学習技術が急速に発展し、画像の分類や認識への応用も
進んでいます。しかし、私たちと画像との関係は多岐にわたり、画像の利用の仕方や目的も様々です。本講座では、
これらの要求に答えるために知っておくべき画像の性質や処理法について、基礎的なレベルから応用的なレベル
まで触れることで、以下のような内容の習得を目標とします。
１） 画像処理を２次元システムとして捉えることができる
２） 各種画像特徴の概念とその抽出法について理解ができる
３） 各種機械学習法と画像処理との関連性の把握ができる
また、講義内容の理解を助ける簡単な演習課題も適宜含める予定です。

受講要件
講義の内容をより深く理解するために、学部教養レベルの微積分、線形代数、確率統計の知識があることを前提
としております。最新の画像処理は AI・DS の手法に基づいていることから、AI・DS 関連の基礎知識を有すること、
または AI・DS 講座の同時受講を推奨します。

講師プロフィール