K18 深層学習

授業概要

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。

担当者

中井悦司(グーグル)、シモセラ・エドガー(早稲田大学)、山口光太(サイバーエージェント)

到達目標

以下の知識およびスキルの取得を目標とする。
‐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。

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コマ  時間数:12時間

2020年度 日程

第1回 5/30 9:00~10:30 予備知識(1) 座学
第2回 5/30 10:40~12:10 予備知識(2) 座学
第3回 5/30 13:20~14:50 畳み込みニューラルネットワーク入門(1) 座学
第4回 5/30 15:00~16:30 畳み込みニューラルネットワーク入門(2) 座学
第5回 6/3 18:20~19:50 データの準備、前処理 座学
第6回 6/10 18:20~19:50 総合演習(1) 演習
第7回 6/10 20:00~21:30 総合演習(2) 演習
第8回 6/17 20:00~21:30 ビジネス上の事例紹介 座学

評価方法

レポート(100%)

テキスト・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(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

開講場所

WASEDA NEO 教室10

シラバスPDF

2020年度 K18