Deep Learning入門【JDLA E資格対応】

2022年度前期(04月-08月)のご受講、および、録画販売についてお申し込み受付中です。録画視聴による参加、途中参加も可能。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。

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

4月-5月 : 多層ニューラルネットワーク (DNN)
・ニューラルネットワークの概要を説明します。
・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
5月-6月 : 畳み込みニューラルネットワーク (CNN, ResNet)
・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。
・residual blockについて説明し、ResNetについて説明します。
・プログラミング演習

7月 : 再帰型ニューラルネットワーク (RNN, LSTM, transformer)
・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。
・transformer、特にattention機構について紹介します。
・プログラミング演習

8月 : 発展的な話題
・機械学習の説明可能性について触れ、 Grad-CAMなどの手法を紹介します。
・セマンティックセグメンテーションについて触れ、U-Netなどの手法を紹介します。

お申込み

受講のお申し込みは、お申込フォームからお願いします。

お申込

開講スケジュール

12月25日、1月1日は休講です。