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