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/ 7/122016/ 7/19 (日程が変更になりました)