Deep Learning for NLP サマースクール

概要

本講座は、学生を対象とした、Deep Learningを用いた自然言語処理に特化した全6回・約2週間のサマースクール です。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、効率的に学習を進め,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。それによって、Deep Learningを用いた自然言語処理の研究のスタートラインに立てるレベルの知識・実装力の習得を目指します。分散表現・言語モデルから始まり、RNN・CNN・Attention、生成モデル、強化学習に触れ、現在の概観を学ぶことができます。

1受講者 – 1GPUサーバ

全ての受講者に一人一台の独立した仮想GPUサーバが割り当てられます.受講中は他の受講者の影響を受けることなく学習を進めることができます。

ブラウザのみ必要

必要なものは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「iLect.net」が提供されます。クリック操作のみで演習を開始することができます。

構築済み環境

必要な全てのDeep Learning・機械学習ライブラリがインストールされ、構築済みの環境が配布されますので、すぐに学習を開始し本題に集中して取り組むことが可能です。

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、全てのトピックについて,演習を中心に構成されている点です。実際に手を動かしながら理解を進めることで、効率よく学習することができます。

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4年以上公開運営し、のべ千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NLP概観

NLPとは, NLPにおけるDLの役割, ケーススタディ, Pytorch

第2回分散表現

分散表現, 日本語の処理, Softmaxの高速化

第3回言語モデル

言語モデル, RNN言語モデル, Seq2Seq, 可変長系列の処理, BeamSearch

第4回応用①:CNN・Attention

CNN, Attention,Transformer

第5回応用②:テキスト生成

VAE, GAN, Controllable Generation

第6回応用③:強化学習

Q学習, Policy Gradient, SeqGAN, まとめ

※ 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・運営

講師

スタッフ

日程

募集開始 2018/7/3(火)
募集締切 2018/7/25(水)
選考結果 2018/7/31(火)
修了証発行 2018/10 予定

第1回 2018/8/31(金)13〜15時
第2回 2018/9/3(月)13〜15時
第3回 2018/9/7(金)13〜15時
第4回 2018/9/10(月)13〜15時
第5回 2018/9/13(木)13〜15時
第6回 2018/9/19(水)13〜15時

募集要項

  • Deep Learning基礎講座もしくは同等レベルの講義を修了している、または、Deep Learningの開発・研究経験があること
  • 学生であること(社会人の方はご受講いただけません)