AAI-2016

Deep Learningや最新の人工知能技術について学びませんか？

Deep Learning技術の登場により、人工知能技術が飛躍的に向上し、ありとあらゆる産業と社会のあり方に大きな影響を与えています。これからの社会では、どんな産業でどんな業種に携わるとしても、人工知能技術の影響を受けることになるでしょう。Deep Learning JPでは、そのような人工知能技術が重要な役割を果たす社会の到来に備え、以下の活動を行っています。

Deep Learning JPでは、いくつかの講義から構成される教育プログラムを提供します。

Deep Learning基礎講座（自主講義）

MLP・ニューラルネットワークの基礎から始まり、徐々にDeep Learningの核心的技術や最新トピックが学べるように設計された、高度なプログラムを提供します。「Practice makes perfect」の考えに基き、演習を通じての技術習得を目指します。演習では、ブラウザ上からGPUを利用したPythonコーディングが可能な開発環境「ilect.net」を提供しており、前提知識やGPU開発環境など多くの要素を必要とするDeep Learning技術の学習においても、本題のみに集中して学習できまるように講義を設計しています（ilectの詳細はこちら）。教科書として「深層学習」（機械学習プロフェッショナルシリーズ）を利用しますので受講者は必ず用意して受講に臨んでください。

• 日時：毎週水曜日１６：５０〜１８：３５（５限）
• 場所：東京大学工学部２号館・３号館
• 参加申し込みページ （締め切り：１０月１７日正午）
• 自主講義であり、大学からは単位が出ません

メンバー

目次（仮）

（内容は調整中で、変更される可能性が高いです）

1. Introduction
   内容：Deep Learningとは、人工知能技術の歴史、社会への影響／講義全体像と注意事項など
   日付：2016/10/19
   場所：工学部2号館1階212号講義室
2. Machine Learning 1
   内容：Machine Learning, k-NN, Logistic Regression／ Training, Testing
   日付：2016/10/26
   場所：工学部2号館1階212号講義室
3. Machine Learning 2
   内容：Numpy,Scipy, Scikit-learnを利用した機械学習／Numpy Idioms／高度な行列操作、スライシング
   日付：2016/11/ 2
   場所：工学部2号館1階212号講義室
4. Perception+Feed Forward Network, Gradient Descent
   内容：ニューラルネットワークの基礎
   日付：2016/11/ 9
   場所：工学部2号館1階212号講義室
5. Gradient Descent, Stochastic Gradient Descent, Optimizers
   内容：Theano基礎／Optimizers
   日付：2016/11/16
   場所：工学部2号館1階212号講義室
6. Autoencoders
   内容：denoising Autoencoder, SdA
   日付：2016/11/30
   場所：工学部2号館1階212号講義室
7. Convolutional Neural Networks(CNN)
   内容：CNN基礎
   日付：2016/12/ 7
   場所：工学部2号館1階212号講義室
8. Convolutional Neural Networks(CNN) 2
   内容：CNN応用
   日付：2016/12/14
   場所：工学部2号館1階212号講義室
9. 生成モデル
   内容：RBM,VAEなど
   日付：2016/12/21
   場所：工学部2号館1階212号講義室
10. Recurrent Neural Networks(RNN)
    内容：系列データの扱い
    日付：2017/ 1/11
    場所：工学部2号館1階212号講義室
11. Deep Learning and Language Models
    内容：Word Embedding,LSTM,Language Models
    日付：2017/ 1/18
    場所：工学部3号館3階33号講義室 　　※会場が変更になっておりますのでご注意ください
12. 最終報告会
    内容：プロジェクト発表
    日付：2017/ 1/21