2017年度先端人工知能論（大学院授業）
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、本題に集中して学習できます（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：毎週火曜日 第４時限（１４：５５～１６：４０）
- 場所：東京大学工学部2号館221号講義室
- 対象：東京大学大学院生
※別途大学院の授業として履修届を出す必要があります
目次
（内容は調整中で、変更される可能性があります）
- 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/ 全員挨拶
日付：2017/4/11 - Machine Learning 1
内容：Pythonと線形代数，行列・テンソル，数式と実装のブリッジ
日付：2017/4/18 - Machine Learning 2
内容：k-NN, Logistic Regression, Softmax, train/dev/testデータセット,学習プロセス
日付：2017/4/25 - Perceptron + Feed Forward Network, Gradient Descent
内容：Gradient Descent, MLP, Logistic Regression, Softmax
日付：2017/5/2 - Gradient Descent, Stochastic Gradient Descent, Optimizers
内容：TensorFlow基礎、各種Optimizers、重みの初期化など
日付：2017/5/9 - Autoencoders
内容：Deep Learning、特徴抽出、Autoencoder概要、dA, SdA, Sparse Coding, GPU
日付：2017/5/16 - Convolutional Neural Networks(CNN)
内容：CNN基礎、畳込み、プーリング
日付：2017/5/23 - Convolutional Neural Networks(CNN) 2
内容：画像処理、前処理、Data Augmentation、Batch Normalization、可視化、最新動向
日付：2017/6/6 - RNN Basics
内容：系列データ, RNN
日付：2017/6/13 - RNN and NLP
内容：Embedding, Projection, Word2vec, sequence-to-sequence
日付：2017/6/20 - RNN, NLP, Image Processing
内容：Attention, Image caption
日付：2017/6/27 - Summary and Advanced Topics
内容：Advanced Topics
日付：2017/7/4