深層生成モデル スプリングセミナー
概要
本講座は、学生を対象とした、深層生成モデルに特化した全6回のセミナーです。生成モデルの基礎から始めて、近年提案されている様々な深層生成モデルについて体系立てて講義します。深層生成モデルの発展として「世界モデル」についても1回分の講義として扱います。深層生成モデルや世界モデルはDeep Learningにおいて最も注目されている分野の1つであり、今後の人工知能技術のカギとなるトピックを学ぶことができます。
本講座では、東京大学Deep Learning基礎講座・応用講座を公開してきた松尾研究室が全面的に演習コンテンツを監修・作成しています。実践的な演習を通して、手を動かしながら技術を深く理解し、幅広いトピックを網羅します。事前選抜は行いませんが、前提条件をしっかり読んでご自身がついていけるかご判断の上ご応募ください。
（2月15日）
受講確定のメールをお送り済です。
お手元に届いていない方は、まず「迷惑メールフォルダ」をご確認ください。
上記を確認されても見当たらない場合は、お問い合わせフォームからご連絡ください。
ブラウザのみ必要
必要なものはZoomのインストールとWebブラウザのみです。ブラウザを通じてGPUを利用したPythonプログラミングが可能な開発環境「Google Colab」を利用します。
演習中心で効率良く短期習得
本プログラムの最大の特徴の一つは、多くのトピックについて，演習が用意されている点です。実際に手を動かすことで理解を深めることができます。
モデルの学習
Deep Learning技術では、モデルが学習する様子を観測しながらパラメータを調整することで、アプリケーションに応じたパフォーマンスの最大化を図ることが非常に重要です。この一連の流れを全ての演習で経験することで、重要な要素を身につけられます。
松尾研究室がコンテンツ作成
実践型のデータサイエンティスト育成講座およびDeep Learning講座を6年以上公開運営し、のべ6,000人以上の人材を育成してきた東京大学松尾研究室がコンテンツを監修・開発しました。
コンテンツ
第1回生成モデル概要
（担当講師：小林）
生成モデルとは，生成モデルの学習，潜在変数モデルと混合モデル
第2回VAE
（担当講師：谷口）
深層生成モデルとは，深層潜在変数モデルとVAE，VAEと表現学習，VAEの発展と応用
第3回GAN
（担当講師：鈴木）
暗黙的な深層生成モデル，GAN，GANの諸問題と種類，GANの発展と応用
第4回自己回帰モデルとフローベースモデル
（担当講師：鈴木）
自己回帰モデル，フローベースモデル，自己回帰フロー
第5回エネルギーベースモデルとその他の深層生成モデル
（担当講師：鈴木）
エネルギーベースモデル，スコアベースモデル，拡散確率モデル
第6回深層生成モデルの発展と世界モデル
（担当講師：鈴木）
世界モデルとは，世界モデルと深層生成モデル
※ 授業コンテンツに関しては、変更する可能性がございます。ご了承下さい。
企画
監修・講師・教材作成
<お知らせ>
ホームページ公開時点では、「企画・講師」に松尾豊が他の講師とともに記載されておりましたが、
正確には松尾は「企画」であり、「講師」は他のメンバーがおこないます。
システム担当
和田 俊輔
運営
内田 暁
河合 真里
日程
| 募集開始 | 2021/1/29（金） |
|---|---|
| 募集締切 | 2021/2/8（月）AM10:00 |
| 選考結果 | 2021/2/15（月）までに受講が決定した方にお送りします。 |
| 第1回（担当講師：小林） | 2021/2/24（水）15:00 ~ 17:00 |
|---|---|
| 第2回（担当講師：谷口） | 2021/3/3 （水）15:00 ~ 17:00 |
| 第3回（担当講師：鈴木） | 2021/3/10（水）15:00 ~ 17:00 |
| 第4回（担当講師：鈴木） | 2021/3/17（水）15:00 ~ 17:00 |
| 第5回（担当講師：鈴木） | 2021/3/24（水）15:00 ~ 17:00 |
| 第6回（担当講師：鈴木） | 2021/3/31（水）15:00 ~ 17:00 |
| (全回監修：鈴木) | |
| (全回プログラミング演習：大熊) |
募集要項
- 本セミナーは、配信される講義映像を、各人が自宅等で視聴・演習していただく形式です。
- 各講義日の15:00〜17:00にライブ配信します。ライブ配信では、リアルタイムに質問を受け付けます。
- ライブ配信への参加方法など詳細については、受講が決定された方にご連絡いたします。
- 対象：学生（大学院、大学、高専、専門学校生、高校、中学など。）
（本講座は公開講座であり、大学から単位は出ません）
- 本講座が扱う範囲は前回と概ね同じです。
- 受講料はかかりません。
前提条件(prerequisites)
- 深層学習／Deep Learningの基礎知識を備え、基礎的な実装が自身でできること。
- 大学の理系学部レベルの線形代数、微分積分、確率論・統計学に関する知識を有すること
- Pythonでの数値解析の経験を有する
- 毎回の講義を確実に視聴できること
- どんなに短くても毎週3時間程度の自習時間は確保ができること
よくある質問、お問い合わせはこちら
（2月15日）
受講確定のメールをお送り済です。
お手元に届いていない方は、まず「迷惑メールフォルダ」をご確認ください。
また、今後のために「＠weblab.t.u-tokyo.ac.jp」が迷惑メールに入らないよう設定をお願いします。
上記を確認されても見当たらない場合は、お問い合わせフォームからご連絡ください。
