Deep Learning for NLP スプリングセミナー

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3回・3週間のスプリングセミナーです。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、松尾研究室発スタートアップである ELYZA(イライザ) による全面協力のもと提供するものです。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に触れ、現在の概観を学ぶことができます。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。

 

なお、本セミナーは完全オンラインで実施いたします。

(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。

出来るようになること

  1. 検索エンジンと翻訳
  2. チャットボット/対話AI開発
  3. 文章生成・レポートを書く
  4. 対話型のゲーム

 などの作成の基礎が学べます。

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、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(予定)

第1回NLP概観・分散表現
(担当講師:曽根岡)

NLPとは, NLPにおけるDLの役割, 分散表現, 日本語の処理, Softmaxの高速化

第2回言語モデル
(担当講師:森田)

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

第3回応用:Attention
(担当講師:中村)

CNN, Attention,Transformer, BERT

※ 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

ワンダーソフト 株式会社

運営

内田 暁

東京大学 松尾研究室職員

河合 真里

東京大学 松尾研究室職員

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メールで連絡します。

第1回(担当講師:曽根岡) 2021/3/9 (火)13:00〜15:00
第2回(担当講師:森田) 2021/3/16(火)13:00〜15:00
第3回(担当講師:中村) 2021/3/23(火)13:00〜15:00
(全回監修:曽根岡)

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13:00〜15:00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
  • 本講座は例年と同内容を扱いますので、過去に受講頂いた方は受講できません。
  • 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。

深層生成モデル スプリングセミナーについてはこちら

深層強化学習 スプリングセミナーについてはこちら