K20 機械学習・深層学習 (コース履修)

領域

情報処理

モデル

システムオブシステムズ・品質アーキテクト / 組込みIoTプロフェッショナル / クラウド・ビジネスイノベーター

区分

選択

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(Google)

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、機械学習や深層学習の理論および技法の理解
‐ツールを用いて機械学習や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

準備学習・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

履修時間

時数:8回  時間数:12時間

2021年度 計画
回数概要講師配信形式機材ソフト
事前学習:Python言語・Pythonライブラリオンデマンド個人演習
第1回教師あり学習・教師なし学習(異常検知除く)奥野拓也オンデマンド個人演習
第2回強化学習奥野拓也オンデマンド個人演習
第3回機械学習総合演習1奥野拓也リアルタイム個人演習
第4回機械学習総合演習2奥野拓也リアルタイム個人演習
第5回予備知識1中井悦司リアルタイム個人演習
第6回予備知識2中井悦司リアルタイム個人演習
第7回畳み込みニューラルネットワーク入門1中井悦司リアルタイム個人演習
第8回畳み込みニューラルネットワーク入門2中井悦司リアルタイム個人演習
機材

なし

ソフトウェア

なし
※Pythonの演習はGoogle Colaboratoryで実施

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

評価

簡易テスト

備考

後半パート(深層学習)はすべてリアルタイム配信で実施する。

PDF

K20 シラバス 2021年度コース履修