K20 機械学習・深層学習(コース履修)
概要
機械学習の理論を把握したうえで、ツールを用いた教師あり・教師なし・半教師あり・強化学習について、Pythonについての講義、およびツールの演習を行いつつ、実践上の留意点を含めて習得する。
深層学習の理論を把握したうえで、畳み込みニューラルネットワークを用いた画像解析等について、演習を行いつつ、実践上の留意点を含めて習得する。
講師
坂本一憲(早稲田大学)
奥野拓也(NTTテクノクロス)
中井悦司(グーグル)
到達目標
以下の内容を理解することを目標とする
- Pythonの理解、機械学習の理論及び技法の理解
- ツールを用いて機械学習を実問題的に適用し、知識や知見を得る技能の習得
- 深層学習の理論および技法の理解
- ツールを用いて深層学習を実問題的に適用し、知識や知見を得る技能の習得
事前学習・前提知識
- 統計解析の基礎知識
- 微分積分、線形代数の基礎知識”
学習方法
座学 LMSにある動画を視聴
第1回 Python言語
第2回 Pythonライブラリ
第3回 教師あり学習
第4回 教師なし学習(異常検知除く)
第5回強化学習
演習
- Python演習:動画を視聴しながら個人演習を行います(オンデマンド演習、関連動画:第1-2回)
- 機械学習演習:リアルタイムにてオンラインで演習を行います(関連動画:第3-5回)
- 畳み込みニューラルネットワーク入門演習:リアルタイムにてオンライン講義と演習を同時に行います(動画なし)
課題・評価
- オンライン演習に参加することにより履修修了を認める
参考書
- 中井悦司(著)、TensorFlowとKerasで動かしながら学ぶ ディープラーニングの仕組み、マイナビ出版、2019
- Peter Flach、他(著)、機械学習 ─データを読み解くアルゴリズムの技法─、朝倉書店、2017
- 巣籠悠輔(著)、詳解ディープラーニング、マイナビ出版、2019
- 人工知能学会監修、他(著)、深層学習 Deep Learning、近代科学社、2015
- Trevor Hastie、他(著)、The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition、Springer、2017
- Ian Goodfellow、他(著)、Deep Learning、The MIT Press 、2016