Deep Learning基礎講座

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

講座概要

 

Deep Learning基礎講座は、今年で5年目を迎える松尾研究室主催の公開講座です。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、プログラミング演習を主体とした実践的な内容となっています。「Practice makes perfect」の考えに基き、毎週の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るように講義を設計しています。

今年度は大学院授業「深層学習」との同時開催になります。内容およびスケジュールは同一です。
本講座は、東京大学学部生および東京大学以外の学部生・大学院生です。社会人は受講いただけません。

本年度の募集は締め切りました。

(リンク先の注意事項をよく読んで登録ください)

講座の特徴

1受講者 – 1GPUサーバ

全ての受講者に一人一台の独立した仮想GPUサーバが割り当てられます.受講中は他の受講者の影響を受けることなく学習を進めることができます。

ブラウザのみ必要

必要なものは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が提供されます。クリック操作のみで演習を開始することができます。

構築済み環境

必要な全てのDeep Learning・機械学習ライブラリがインストールされ、構築済みの環境が配布されますので、すぐに学習を開始し本題に集中して取り組むことが可能です。

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、全てのトピックについて,演習を中心に構成されている点です。実際に手を動かしながら理解を進めることで、効率よく学習することができます。

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4年以上公開運営し、のべ千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。

講座内容

第1回 Deep LearningとAI革命

特別講義:松尾豊
AIの歴史と技術的限界、Deep Learning概論、演習説明

第2回 Numpy補講

演習:Numpy

第3回 機械学習基礎

パラメトリックな識別モデル、汎化、正規方程式、最急降下法
演習:ロジスティック回帰

第4回 ニューラルネットワーク

誤差逆伝播、勾配降下法
演習:MLP

第5回 Tensorflow入門

深層学習ライブラリ、計算グラフ、最適化手法など
演習:TensorflowによるMLP

第6回 CNN(第1回)

画像認識基礎、CNN、畳込み、プーリング
演習:CNN

第7回 CNN(第2回)、DNNの発展

超多層化に向けた技術、転移学習、可視化など
演習:CNNによる一般画像認識

第8回 RNN

RNNと系列データの扱い
演習:RNNを利用した系列データ分析

第9回 RNNとNLP

LSTM・アテンションなど、Seq2seq
演習:機械翻訳

第10回 生成モデル

VAE、GAN、(自己回帰モデル)などの紹介、応用例
演習:VAE

第11回 強化学習

強化学習の概要、DQN、応用例
演習:DQNとゲームAI

第12回 Deep Learningの最新動向と今後の展望

特別講義:松尾豊

※ 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・運営・講師

松尾豊

東京大学大学院工学系研究科

岩澤 有祐

東京大学大学院工学系研究科

鈴木雅大

東京大学大学院工学系研究科

巣籠 悠輔

MICIN, inc.

初谷 怜慈

DeepX

スタッフ

藤野 暢

東京大学大学院新領域創成科学研究科

石上 亮介

東京大学大学院理学系研究科

久保 静真

東京大学大学院工学系研究科

日程

応募期間 2019/04/10〜2019/04/12
初回授業 2019/04/11
受講可否通知 2019/04/15 予定
最終講義 2019/07/04

第1回 2019/04/11 212講義室
第2回 2019/04/18 211講義室
第3回 2019/04/25 212講義室
第4回 2019/05/09 212講義室
第5回 2019/05/16 211講義室
第6回 2019/05/23 212講義室
第7回 2019/05/30 211講義室
第8回 2019/06/06 212講義室
第9回 2019/06/13 212講義室
第10回 2019/06/20 212講義室
第11回 2019/06/27 212講義室
第12回 2019/07/04 212講義室

募集要項

  • 日時:毎週 木曜日 第5時限(16:50 ~ 18:35)
  • 場所:東京大学本郷キャンパス 工学部2号館
  • 対象:大学生・大学院生
    本講座は公開講座であり、大学からの単位は出ません。
    東大大学院所属の方は、同時に開催する「深層学習」を受講してください。

希望者多数の場合は、書類選考および抽選により受講者を決定します。結果は4/15に通知予定です。
(第1回講義は、申込み予定の方は全て参加いただけます。)

 

参加条件

  • 毎週の講義(木曜日16:50~)に参加可能であること
  • ノートパソコンを持参できること
  • 理系大学レベルの線形代数の知識がある
  • Python / iPython / Numpy / Scipyを利用して数値解析をした経験がある
  • 自学・講義などで機械学習について学んだことがある
  • プログラミングおよび数値解析の経験がない方は受講できません

本年度の募集は締め切りました。