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）
| date | title | contents | |
|---|---|---|---|
| 1 | 2017/4/11 | Introduction | 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 |
| 2 | 2017/4/18 | Machine Learning 1 | Pythonと線形代数，行列・テンソル，数式と実装のブリッジ |
| 3 | 2017/4/25 | Machine Learning 2 | k-NN, Logistic Regression, Softmax, train/dev/testデータセット,学習プロセス |
| 4 | 2017/5/2 | Perceptron + Feed Forward Network, Gradient Descent | Gradient Descent, MLP, Logistic Regression, Softmax |
| 5 | 2017/5/9 | Gradient Descent, Stochastic Gradient Descent, Optimizers | TensorFlow基礎、各種Optimizers、重みの初期化など |
| 6 | 2017/5/16 | Autoencoders | Deep Learning、特徴抽出、Autoencoder概要、dA, SdA, Sparse Coding, GPU |
| 7 | 2017/5/23 | Convolutional Neural Networks(CNN) | CNN基礎、畳込み、プーリング |
| 8 | 2017/6/6 | Convolutional Neural Networks(CNN) 2 | 画像処理、前処理、Data Augmentation、Batch Normalization、可視化、最新動向 |
| 9 | 2017/6/13 | RNN Basics | 系列データ, RNN |
| 10 | 2017/6/20 | RNN and NLP | Embedding, Projection, Word2vec, sequence-to-sequence |
| 11 | 2017/6/27 | RNN, NLP, Image Processing | Attention, Image caption |
| 12 | 2017/7/4 | Summary and Advanced Topics | Advanced Topics |