Deep Learning入門

2019年度前期(4月-8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。

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　: パーセプトロンとその数理 (MLP)
・パーセプトロンのアーキテクチャについて説明します。
・単純パーセプトロンと多層パーセプトロンの表現力について議論します。
・単純パーセプトロンの誤り訂正学習を紹介し、その収束定理を証明します。
・多層パーセプトロンの学習について議論します。

5月-6月 : 多層ニューラルネットワーク (DNN)
・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。
・ニューラルネットワークの母集団モデルと最尤推定について説明します。
・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。
・勾配消失問題を紹介し、その打開案について議論します。
・kerasによる演習

7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。
・kerasによる演習

8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。
・kerasによる演習

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。

お申込