シラバス
入学のご案内履修登録

科目の概要

深層学習の基礎について扱う。 • 深層学習を学ぶ事前知識として、機械学習の概要を把握する。 • 多層パーセプトロン(MLP)の利点を理解し、その基本的な構成要素と基本的な学修方法を理解する。 • ディープニューラルネットワークへ拡張するための要素技術や学習方法を理解する (活性化関数・確率的勾配降下法など)。 • ニューラルネットワークの基礎を踏まえ、最適化・初期化・正則化などのより実践的な内容を理解する。

科目情報

履修想定年次
1年次
単位数
2単位
開講Q
1Q、3Q
科目区分
選択
授業の方法
オンデマンド科目
評価方法
確認レポート 50% , 単位認定試験 50%
科目コード
INF-1-C1-1030-008
到達目標
• 深層学習を含む機械学習全般の枠組みおよび現在の社会で普及しているアプリケーションについて説明できる。 • 数式を用いて、連鎖率や誤差関数などの基本的な概念を含めたロジスティック回帰や多層パーセプトロンについて説明ができ、それぞれが抱える課題なども説明ができる。 • 初期化や正則化など様々なテクニックを用いて、多層パーセプトロンを実際に解く問題に合わせてライブラリを用いて適切に実装・実験(設計・学習・評価)ができる。
教科書・参考書
  • 【教科書】オリジナル教材【参考書】斎藤康毅『ゼロから作るDeepLearning』O'reilly、2016,クジラ飛行机『ゼロからやさしくはじめるPython入門』マイナビ出版、2018
授業時間外の学修
各回の授業内容は繰り返し見返し、各回二時間ほど復習を行ってください。また、次回の学修内容についてもあらかじめ不明な単語や前提となる知識をWebで調べるなどして各回三時間ほど予習を行ってください。
特記事項
順次公開予定

授業計画

1
機械学習基礎1

本授業では、深層学習を扱う前に機械学習全体の概要を説明し、機械学習アプローチの大まかな分類について説明をします。

2
機械学習基礎2

本授業では、機械学習における「学習」と「推論」について定義およびその中身について説明をし、機械学習の概観を理解してもらいます。

3
機械学習基礎3

本授業では、学習させた機械学習モデルの評価方法と選択方法について紹介をし、研究や実応用において重要な方法論を学びます。

4
機械学習基礎4

本授業では、ロジスティック回帰を事例に実際の学習方法について学び、次回以降の深層学習に向けた知識を獲得します。

5
【演習】機械学習基礎演習

本授業では、第1回から第4回までで扱った機械学習の知識をもとに、ロジスティック回帰の演習をJupyter Notebookを用いて行います。

6
ニューラルネットワーク基礎1

本授業では、非線形な関係を持つ多くの実データを最も簡素な線形モデルでは解くことができないことを解説します。本授業により、ニューラルネットワーク導入の動機理解を促進します。

7
ニューラルネットワーク基礎2

本授業では、多層マルチパーセプトロン(ニューラルネットワーク)の基本的な考え方とその構成要素について説明をします。

8
ニューラルネットワーク基礎3

本授業では、多層マルチパーセプトロンの学習方法の一つである誤差逆伝播法を解説し、その際に利用する微分の連鎖律の説明を行います。

9
ニューラルネットワーク基礎4

本授業では、多層パーセプトロンを3層以上にした場合に生じる問題について紹介します。

10
【演習】 ニューラルネットワーク基礎

本授業では、第6回から第9回までで扱ったニューラルネットワークの基本的な実装についてJupyter Notebookを利用して、演習を行います。

11
ニューラルネットワークの最適化・正則化1

本授業では、ニューラルネットワークを学習するためのオプティマイザと呼ばれる最適化アルゴリズムについて解説し、様々な種類のオプティマイザを紹介します。

12
ニューラルネットワークの最適化・正則化2

本授業では、ニューラルネットワークの学習をより効率的にするための手段としてパラメータの初期化戦略を紹介します。

13
ニューラルネットワークの最適化・正則化3

本授業では、ニューラルネットワークの学習において第11回、第12回で紹介していない最適化戦略、メタアルゴリズム、正則化について説明し、その種類を紹介します。

14
ニューラルネットワークの最適化・正則化4

本授業では、これまで扱ってきたニューラルネットワークの学習テクニックを踏まえた実践的な方法論について説明をします。

15
【演習】 ニューラルネットワークの最適化・正則化

本授業では、第11回から第14回まで扱ったニューラルネットワークの最適化および正則化について、Jupyter Notebookを用いた演習を通して理解してもらいます。

関連科目