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 ※予定

第4回　教師なし学習(異常検知除く)　※予定

第5回強化学習　※予定

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

  • オンライン講義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