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%
前提推奨科目
前提必須科目
後継推奨科目
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
第1回機械学習基礎1
第1回
機械学習基礎1
第2回機械学習基礎2
第2回
機械学習基礎2
第3回機械学習基礎3
第3回
機械学習基礎3
第4回機械学習基礎4
第4回
機械学習基礎4
第5回【演習】機械学習基礎演習
第5回
【演習】機械学習基礎演習
第6回ニューラルネットワーク基礎1
第6回
ニューラルネットワーク基礎1
第7回ニューラルネットワーク基礎2
第7回
ニューラルネットワーク基礎2
第8回ニューラルネットワーク基礎3
第8回
ニューラルネットワーク基礎3
第9回ニューラルネットワーク基礎4
第9回
ニューラルネットワーク基礎4
第10回【演習】 ニューラルネットワーク基礎
第10回
【演習】 ニューラルネットワーク基礎
第11回ニューラルネットワークの最適化・正則化1
第11回
ニューラルネットワークの最適化・正則化1
第12回ニューラルネットワークの最適化・正則化2
第12回
ニューラルネットワークの最適化・正則化2
第13回ニューラルネットワークの最適化・正則化3
第13回
ニューラルネットワークの最適化・正則化3
第14回ニューラルネットワークの最適化・正則化4
第14回
ニューラルネットワークの最適化・正則化4
第15回【演習】 ニューラルネットワークの最適化・正則化
第15回
【演習】 ニューラルネットワークの最適化・正則化