シラバス
入学のご案内履修登録
ディープラーニング2のサムネイル

ディープラーニング2

[2026年度開講]
河野 慎
AIを学びたい数学の応用が知りたいプログラミング力課題解決力課題発見力

科目の概要

本講義では、深層学習研究における基礎となる２種類の構造について扱う。 • 畳み込みネットワークの基本的な構成要素とその必要性について学び、畳み込みネットワークを利用した画像認識プログラムの演習を行う。 • 代表的なRNN （Recurrent Neural Network; 回帰結合型ニューラルネットワーク）の諸手法の概要を学び、実装の演習を行う。

科目情報

履修想定年次
2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-2-C1-1030-013
到達目標
• 畳み込みネットワークの基本的な構成要素である畳み込み処理とプーリングの順伝播処理を数学的に記述することができる。 • 畳み込み処理が必要な理由を、等価性や計算効率の観点から説明できる。 • プーリングが必要な理由を、不変性の観点から説明することができる。 • 主要なRNNの構成要素とその意味を説明できるようになる。 • 新たなRNNモデルに対し、その意図を読み解けるようになる。 • 基本的なRNNを実装できるようになる。
教科書・参考書
  • 【教科書】オリジナル教材【参考書】岡谷貴之『深層学習』講談社、2015，IanGoodfellow他『深層学習』KADOKAWA、2018，CS230DeepLearning(https://cs230.stanford.edu/)
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
畳み込みニューラルネットワークと画像処理1

本講義では、画像処理と畳込みニューラルネットワークの概要について扱い、本講義前半で扱うトピックの全体を理解してもらいます。

第2回
畳み込みニューラルネットワークと画像処理2

畳み込みニューラルネットワークの主な構成要素である畳み込み層(処理)とプーリング層の説明を行います。

第3回
畳み込みニューラルネットワークと画像処理3

畳み込みニューラルネットワークの主な構成要素である畳み込み層(処理)とプーリング層の説明を行います。

第4回
畳み込みニューラルネットワークと画像処理4

本講義では、数多くの研究で提案されている様々な畳み込みニューラルネットワークの中でもよく扱われているアーキテクチャについて、詳細に説明していきます。

第5回
畳み込みニューラルネットワークと画像処理5

本講義では、数多くの研究で提案されている様々な畳み込みニューラルネットワークの中でもよく扱われているアーキテクチャについて、詳細に説明していきます。

第6回
畳み込みニューラルネットワークと画像処理6

本講義では、数多くの研究で提案されている様々な畳み込みニューラルネットワークの中でもよく扱われているアーキテクチャについて、詳細に説明していきます。

第7回
畳み込みニューラルネットワークと画像処理7

本講義では、畳み込みニューラルネットワークを用いた代表的なタスクである画像の局在化(位置特定)、検知、セグメンテーションについて説明をします。

第8回
畳み込みニューラルネットワークと画像処理8

本講義では、畳み込みニューラルネットワークを用いた代表的なタスクである画像の局在化(位置特定)、検知、セグメンテーションについて説明をします。

第9回
【演習】畳み込みニューラルネットワークと画像処理

第9回は、第1回から第8回まで扱った畳み込みニューラルネットワークの理解を深めるため、Jupyter Notebookを用いた演習を行います。

第10回
回帰結合型ニューラルネットワーク1

本講義では、後半の主トピックである回帰結合型ニューラルネットワーク(Recurrent Neural Network; RNN)を扱う動機となる系列データについての説明とRNNの基本的な知識を扱います。

第11回
回帰結合型ニューラルネットワーク2

本講義では、RNNの学習で用いられるBPTT (通時的誤差逆伝播法)についての解説と、RNNの亜種について紹介を行います。

第12回
回帰結合型ニューラルネットワーク3

本講義では、RNNに記憶機構を付加させたLSTM (⻑・短期記憶) とLSTMの亜種であるGRU(ゲート付き回帰結合型ユニット)の解説を行います。

第13回
回帰結合型ニューラルネットワーク4

本講義では、RNNに記憶機構を付加させたLSTM (⻑・短期記憶) とLSTMの亜種であるGRU(ゲート付き回帰結合型ユニット)の解説を行います。

第14回
回帰結合型ニューラルネットワーク5

本講義では、RNNに記憶機構を付加させたLSTM (⻑・短期記憶) とLSTMの亜種であるGRU(ゲート付き回帰結合型ユニット)の解説を行います。

第15回
【演習】回帰結合型ニューラルネットワーク

第15回は、第10回から第14回まで扱った回帰結合型ニューラルネットワークの理解を深めるため、Jupyter Notebookを用いた演習を行います。

関連科目