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7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。
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7年以上公開運営し、のべ7,000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・野辺)
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・大島)
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:中野・野辺)
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・大熊)
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
(担当講師:鈴木・市川)
エネルギーベースモデル,
ボルツマンマシン,
深層ニューラルネットワークによるEBM
第6回スコアベースモデルと拡散モデル
(担当講師:鈴木・野辺)
スコアベースモデル, 拡散モデル
第7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
鈴木 雅大
講師
鈴木 雅大
小林 由弥
谷口 尚平
中野 聡大
大熊 拓海
野辺 宣翔
大島 佑太
工学部システム創成学科
市川 大樹
情報科学部 情報工学科
教材作成
大熊 拓海
越智 三枝子
野辺 宣翔
TA
登坂 充
メディカル情報生命専攻
運営
大牧 信介
河合 真里
保谷 朝美
システム
和田 俊輔
日程
募集開始 | 2023/1/20(金) |
---|---|
募集締切 | 2023/1/27(金)AM10:00 |
選考結果 | 2023/2/3(金)19時までに応募者全員にお送りします。 |
第1回(担当講師:小林・野辺) | 2023/2/7(火)14:00 ~ 16:00 |
---|---|
第2回(担当講師:谷口・大島) | 2023/2/14 (火)14:00 ~ 16:00 |
第3回(担当講師:中野・野辺) | 2023/2/21(火)14:00 ~ 16:00 |
第4回(担当講師:鈴木・大熊) | 2023/2/28(火)14:00 ~ 16:00 |
第5回(担当講師:鈴木・市川) | 2023/3/7(火)14:00 ~ 16:00 |
第6回(担当講師:鈴木・野辺) | 2023/3/14(火)14:00 ~ 16:00 |
第7回(担当講師:鈴木) | 2023/3/20(月)14:00 ~ 16:00 |
(全回監修:鈴木) | ※第7回のみ月曜日 |
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14:00〜16:00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した方にご連絡いたします
- アーカイブ動画を視聴しての受講も可能です
(修了するには、期限内に提出物を提出する必要があります)
- 対象:学生(大学院、大学、高専、専門学校、高校、中学、社会人学生など)
- 本講座は公開講座であり、大学から単位は出ません
- 受講料は無料です
- 2022年夏開講のコースから若干のアップデートはありますが、各講義回のタイトルについてはあまり違いはありません。
前提条件
- 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
【重要】
受講可否メール等が迷惑メールフォルダに入ってしまう事例が多数発生しています。
下記2点をご対応いただいていない場合、「メールが届かない」とのお問い合わせは対応いたしかねます。
- @weblab.t.u-tokyo.ac.jpからのメールが「迷惑メールフォルダ」に入らないように必ず設定をお願いします。
- 結果通知の日時を過ぎてもメールが届かない場合は、まず「迷惑メールフォルダ」の確認をお願いします。
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。