Deep Learning入門 【JDLA E資格対応】

2020年度後期(10月-2月)開講分、お申込受付中です。こちらからお申込みいただけます。

講座の概要

Deep Learningは画像認識を筆頭に、多くの問題に対して高い精度を示してきました。一方で、Deep Learningは他の機械学習手法に比べ、まだまだその学習の仕組みに関して多くの謎が秘められています。この講座では、Deep Learningのアーキテクチャや学習に関して基本的な解説からスタートし、普遍性定理や誤差逆伝播法といったDeep Learningの重要なトピックを中心に理解を深めることを目指します。

なお、本講座とPythonによる機械学習入門講座の二講座を修了することで、JDLA E資格の受験資格が得られます。詳しくはこちらのページをご覧ください。

受講にあたって

受講にあたって役に立つ知識
・統計検定2級程度の統計学の知識（初級統計学）
・高校数学の知識（大人のための高校数学IIB）
目標
Deep Learningのアーキテクチャの仕組みや学習について、その基本的な部分を数学的に理解する。

カリキュラム

10月　: 機械学習の入門
・機械学習の概要(教師あり学習・教師なし学習)について説明します。
・Pythonの基本的な利用方法を説明します。
・機械学習で使われる数学(行列・微分)のついて説明します。
・ソフトマックス回帰を元に実際に学習を行います。
11月-12月 : 多層ニューラルネットワーク (DNN)
・パーセプトロンのアーキテクチャについて説明します。
・多層ニューラルネットワークのアーキテクチャについて説明します。
・普遍性定理 : 多層パーセプトロンの表現力について紹介します。
・勾配降下法について紹介します。
・誤差逆伝播法とそのアイディアについて説明します。
・正則化について説明します。
・プログラミング演習
1月 : 畳み込みニューラルネットワーク (CNN)
・畳み込み層とプーリング層について説明します。
・畳み込みニューラルネットワークの順伝播の流れを説明します。
・畳み込みニューラルネットワークの誤差逆伝播法について説明します。
・プログラミング演習
2月 : 再帰型ニューラルネットワーク (RNN, LSTM)
・再帰型ニューラルネットワークについて説明します。
・再帰型ニューラルネットワークの誤差逆伝播法について説明します。
・RNNの勾配消失問題とLSTMについて紹介します。
・プログラミング演習
・RNN以降で現れる深層学習の応用について概略を説明します。

お申込み

お申し込みは、お申込フォームからお願いします。
※お手数ですが、件名について『Deep Learning入門』を選択のうえ送信をお願いします。

名称	Deep Learning入門 【JDLA E資格対応】
講師	竹川洋都
日程	毎週土曜日 10:00-12:00, 10/10-2/27, (12/26, 1/2は休講) * 詳細は下記の開講スケジュールをご参照ください。
場所	Zoomによるオンライン講座 ※会場が変更となる場合があります。その際には、事前にご連絡をさしあげます。
教科書	講師オリジナルテキスト ※ テキスト代は受講料に含まれています。
受講料	24,500円/月 クレジットカード支払いはこちらのページから。
持ち物	・筆記用具 ・Google Colaboratoryが利用できるパソコン ・あるいは、anaconda3(ダウンロードはコチラ)をインストールしたパソコン ・その場合、特にpytorchをインストールしておいてください(わからなければ、初日にPCを持ってきていただければ大丈夫です)。

お申込

開講スケジュール

12月26日土曜日、1月2日土曜日は休講です。

	土曜日クラス 10:00〜12:00
第1講	10月10日
第2講	10月17日
第3講	10月24日
第4講	10月31日
第5講	11月7日
第6講	11月14日
第7講	11月21日
第8講	11月28日
第9講	12月5日
第10講	12月12日
第11講	12月19日
第12講	1月9日
第13講	1月16日
第14講	1月23日
第15講	1月30日
第16講	2月6日
第17講	2月13日
第18講	2月20日
第19講	2月27日