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

シモセラ・エドガー(早稲田大学) 、中井悦司(グーグル)

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える技能の習得。

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

日程

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

評価方法

レポート(100%)

テキスト・参考書

– 中井 悦司、TensorFlow で学ぶディープラーニング入門、マイナビ出版、2016
– Peter Flach、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、詳解 ディープラーニング、マイナビ出版、2017
– 人工知能学会 監修、深層学習 Deep Learning、近代科学社、2015
– Trevor Hastie, et al., “The Elements of Statistical Learning: Data Mining,Inference, and Prediction, Second Edition”, Springer, 2016
– Ian Goodfellow, et al., “Deep Learning”, The MIT Press, 2016

開講場所

WASEDA NEO 教室10

シラバスPDF

下記リンクよりダウンロードください。
シラバスPDF