機械学習は、自律走行車、ロボット工学、医療診断など、多くのアプリケーションで広く使われている。画像の認識は、機械学習や人工知能の最良の例のひとつつである。本講義のトピックには、畳み込み層、完全接続層、プーリング層、ReLU層、ソフトマックス層など、深層学習の基本的な構成要素が含まれます。また、このコースでは、学生は自分でPytorchを使用してネットワークを開発し、学習することを想定しています。
(i) ディープニューラルネットワークを構築し学習する能力を身につける、
(ii)PyTorchを用いた数値計算環境を用いて工学的な問題を解決する能力を身につける、
(iii)モメンタムやデータ論証などのディープラーニング技術を応用できる実践力を身につける。
Object recognition, Convolutional neural network (CNN), Deep learning, PyTorch
✔ 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) |
このクラスは一種のアクティブラーニングです。講師はいくつかの情報を提供しますが、学生はPyTorchのコードを開発する必要があります。
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 | Image classificationとは | Image classification |
第3回 | 最急降下アプローチ | 最急降下アプローチ |
第4回 | 損失関数 | 損失関数 |
第5回 | 過適応 | 過適応 |
第6回 | 特徴量抽出と転移学習 | 特徴量抽出と転移学習 |
第7回 | 識別手法 | 識別手法 |
第8回 | 応用例 | 応用例 |
このクラスは一種のアクティブラーニングです。講師はいくつかの情報を提供しますが、学生はPyTorchのコードを開発する必要があります。
なし、WEB検索からたくさんの情報が得られます。
なし、WEB検索からたくさんの情報が得られます。
課題とレポート
PyTorchのコードは各自で実装してください。
画像認識(#SCE.I501)を履修した学生は履修できません。