機械学習アルゴリズムの中でも、特に高性能な手法として注目される深層学習について学ぶ。まず、深層学習を理解する上で基礎となる基本的なニューラルネットワークの仕組みと学習アルゴリズムを理解する。
次に、深層学習における代表的な手法である、ディープニューラルネットワークおよび畳み込みニューラルネットワークの動作原理やネットワークの構成方法について学ぶ。
その後、対象とする問題（画像生成、自然言語処理など）やアプローチの方法（既存の学習済みモデルの活用など）に応じた様々なネットワークモデルや性能向上のための技法を学ぶ。
科目一覧
Deep Learning
深層学習（ディープラーニング）の基礎から応用まで
深層学習
| 担当講師 | 原 章 （広島市立大学） |
|---|---|
| 分類 | 講義 |
| 授業形態 | VOD |
| 授業形態詳細 | 任意の時間にパソコンからインターネット接続にて（自宅や職場などから）受講します。 |
| 時数 | 8コマ |
| 時間数 | 12時間 |
| 到達目標 | – 深層学習で用いられる様々なネットワークモデルの特徴を説明できる – 深層学習におけるネットワークの最適化の仕組みを説明できる – 対象とする問題に応じて適切な学習モデルを選択できる |
| 難易度 | ★★ |
| 分野別難易度 | 数学：★★ |
| 履修上の注意 | アルゴリズムの理解に、微積分と線形代数の知識を必要とする。 |
| 授業計画 ・内容 |
1．深層学習の概要とNeural Networkの基礎（生体の数理モデル化） 2．Neural Networkの基礎（学習機構と深層化による計算能力の向上） 3．Deep Neural Networkの実装 4．畳み込みニューラルネットワーク 5．畳み込みニューラルネットワークの実装 6．転移学習とその実装 7．汎化性能向上のための技法 8．様々な深層学習（自然言語処理，生成モデル，深層強化学習） |
| 事前・事後学習 の内容 |
授業時間内に解決できなかった課題については、次回の授業までに取り組む。 （必要な学習時間の目安：90分） |
| 成績評価の 方法 |
演習問題（100%） |
| 教科書 ・参考書等 |
資料を作成し配布する。 |
| キーワード | 深層学習、機械学習、人工知能 |
| 日程 |