[everiPro科目]深層学習
深層学習（ディープラーニング）の基礎から応用まで
深層学習
| 科目名 | 深層学習 |
|---|---|
| 科目名（英名） | Deep Learning |
| 担当講師（氏名・所属） | 原 章 （広島市立大学） |
| 分類 | 講義 |
| 授業形態 |
VOD 任意の時間にパソコンからインターネット接続にて（自宅や職場などから）受講します。
|
| 時数 | 8コマ |
| 時間数（コマ数✕1.5） | 12時間 |
| 授業の概要 | 機械学習アルゴリズムの中でも、特に高性能な手法として注目される深層学習について学ぶ。まず、深層学習を理解する上で基礎となる基本的なニューラルネットワークの仕組みと学習アルゴリズムを理解する。次に、深層学習における代表的な手法である、ディープニューラルネットワークおよび畳み込みニューラルネットワークの動作原理やネットワークの構成方法について学ぶ。その後、対象とする問題（時系列データ、自然言語処理など）やアプローチの方法（既存の学習済みモデルの活用など）に応じた様々なネットワークモデルや性能向上のための技法を学ぶ。 |
| 到達目標 | – 深層学習で用いられる様々なネットワークモデルの特徴を説明できる – 深層学習におけるネットワークの最適化の仕組みを説明できる – 対象とする問題に応じて適切な学習モデルを選択できる |
| 難易度 | ★★ |
| 分野別難易度（前提知識） | 数学：★★ |
| 履修上の注意 （準備学習・前提知識） |
アルゴリズムの理解に、微積分と線形代数の知識を必要とする。 |
| 授業計画・内容 | 1．深層学習の概要と活用事例 2．ニューラルネットワークの基礎 3．学習アルゴリズム（誤差逆伝播法，確率的勾配降下法） 4．ディープニューラルネットワーク 5．畳み込みニューラルネットワーク 6．転移学習と性能向上のための技法 7．様々な深層学習（1）（時系列データ予測，自然言語処理） 8．様々な深層学習（2）（Generative Adversarial Network，Deep Q-Network） |
| 事前・事後学習の内容 | 授業時間内に解決できなかった課題については、次回の授業までに取り組む。 （必要な学習時間の目安：90分） |
| 成績評価の方法 | 演習問題（100%） |
| 教科書・参考書等 | 資料を作成し配布する。 |
| キーワード | 深層学習、機械学習、人工知能 |