AAI-IST2016

2016年度先端人工知能論Ⅰ（東京大学大学院講義）

 

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、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２２３講義室
• 対象：東京大学大学院生（注意：演習システムの制限から、５０名程度の受講になります）

応募ページ

目次

（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/ 4/19
2. Machine Learning 1
   内容：Machine Learning, k-NN, Logistic Regression／ Training, Testing
   日付：2016/ 4/26
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/ 5/10
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/ 5/17
5. Gradient Descent, Stochastic Gradient Descent, Optimizers
   内容：Theano基礎／Optimizers
   日付：2016/ 5/24
6. Autoencoders
   内容：denoising Autoencoder, SdA
   日付：2016/ 5/31
7. Convolutional Neural Networks(CNN)
   内容：CNN基礎
   日付：2016/ 6/7
8. Convolutional Neural Networks(CNN) 2
   内容：CNN応用
   日付：2016/ 6/14
9. 生成モデル
   内容：RBM,VAEなど
   日付：2016/ 6/21
10. Recurrent Neural Networks(RNN)
    内容：系列データの扱い
    日付：2016/ 6/28
11. Deep Learning and Language Models
    内容：Word Embedding,LSTM,Language Models
    日付：2016/ 7/5
12. Advanced Topics とまとめ
    内容：ロボットへの応用、高度な画像処理ネットワーク／DQN,AlphaGo等
    日付：2016/ 7/12 → 2016/ 7/19 （日程が変更になりました）