「EEE.M251: 電気電子インフォマティクスI」で学んだ機械学習の各手法に加えて、本科目(EEE.M252)では、深層学習についての各種アルゴリズムを学ぶ。深層学習の基本概念への理解は、将来的に電気電子系諸分野の研究開発を行う上で重要となる。
本講義を履修することで、次の能力を修得する。
1) 深層学習における種々のアルゴリズムについて理解を深める。
2) Pythonを用いた簡単な実装ができるようになる。
AI、深層学習、Python
✔ 専門力 | 教養力 | コミュニケーション力 | ✔ 展開力(探究力又は設定力) | 展開力(実践力又は解決力) |
✔ 電気電子分野の応用専門力 |
各回の講義ではこちらで指定したスライド資料を用いて説明を行う。
また、ゲスト講演回を2-3回ほど設ける。
授業計画 | 課題 | |
---|---|---|
第1回 | イントロダクション | イントロダクション |
第2回 | 深層学習の概念 | 深層学習の全体概要について理解を深める。 |
第3回 | 損失関数 | 深層化したネットワークに用いられる損失関数について学ぶ |
第4回 | パーセプトロンと誤差逆伝播法 | 誤差逆伝播法について学ぶ |
第5回 | 畳み込みニューラルネットワーク (CNN) | 画像データ処理のための畳み込みニューラルネットについて学ぶ |
第6回 | 勾配消失問題と収束手法 1 | 勾配消失問題と収束手法について学ぶ |
第7回 | 勾配消失問題と収束手法 2 | 勾配消失問題と収束手法について学ぶ |
第8回 | ゲスト講演回 | ゲスト講演回 |
第9回 | 再帰的ニューラルネット(RNN) | 時系列データ処理のための再帰的ニューラルネットについて学ぶ |
第10回 | アテンション機構とTransformer 1 | アテンション機構とTransformerの詳細を解説する |
第11回 | アテンション機構とTransformer 2 | アテンション機構とTransformerの詳細を解説する |
第12回 | ゲスト講演回 | ゲスト講演回 |
第13回 | 生成モデル 1 | 変分オートエンコーダを用いた生成型ネットワークについて学ぶ |
第14回 | 生成モデル 2 | 拡散モデルを用いた生成型ネットワークについて学ぶ |
第15回 | ゲスト講演回 | ゲスト講演回 |
基本的に授業の予習は必要としないが、授業で説明した概要を踏まえた上で、参考書やウェブページの該当箇所に目をとおして理解を深めることを強く勧める。
各回の講義ではこちらで指定したスライド資料を用いて説明を行う。
scikit-learn、Keras、TensorFlowによる実践機械学習(Aurélien Géron著)(オライリー)
深層学習 改訂第2版 (機械学習プロフェッショナルシリーズ)(岡谷貴之 著)(講談社)
拡散モデル データ生成技術の数理(岡野原大輔 著)(岩波書店)
深層学習に関する理解度を評価するために、以下で成績を付ける。
毎回の出席レポート(40%)
中間:Pythonを用いたプログラムの提出(30%)
期末試験(30%)
ほんの少しのやる気と情熱
EEE.M251 電気電子インフォマティクスI: ほぼ必須
EEE.M221 計算アルゴリズムとプログラミング: 推奨
EEE.M231 応用確率統計: 推奨