ディープ・ラーニング②
担当者 佐野 崇(サノ タカシ)
年度 2025授業コード 1F10275102 科目ナンバリング
対象年次 3~4 授業形態 講義 実施形態 対面
時間割 秋金2 開講キャンパス 赤羽台(INIAD) 教室 3201教室
単位数 2 主たる使用言語 日本語 実務教員科目
授業科目区分
授業回数
受講対象学科
【サブタイトル】

深層学習の方法論と応用

【講義の目的・内容】

近年急速に社会に広まりつつあるさまざまな深層学習の方法の、動作原理や応用例を学ぶ

【学修到達目標】

各方法の動作原理を理解し、自分の問題にどの方法が適しているかを判断できる。サンプルプログラムの内容や出力の意味を把握し、方法とPythonプログラムの対応関係を理解する。自分のデータに対してプログラムを適用できる・自分でプログラムの間違いをみつけて修正できる。プログラムを変更して機能変更・拡張ができる。

【講義スケジュール】

"01. ガイダンス、機械学習概要、ニューラルネットワーク
02. 深層学習概要、2D-CNN
03. 1D-CNN、音声解析
04. 1D-LSTM
05. nD-LSTM、Transformer/LLM
06. テキスト解析・基礎
07. 前半まとめ、中間試験
08. テキスト解析・応用
09. テキスト解析・その他
10. 強化学習・基礎
11. 強化学習・応用
12. VAE・基礎
13. VAE・応用、GAN・基礎
14. GAN・応用
15. 後半まとめ、期末試験"

【指導方法】

座学+ハンズオンの組み合わせ。座学で方法の原理と概要を理解し、サンプルプログラムでその実現方法を理解する。サンプルプログラムをもとに、別のデータに対する解析を行うプログラムを作成し、またプログラムの変更、機能拡張などに取り組むことで、理解を深める。

【事前・事後学修】

MOOCsによる事前学習が必須である。講義後には、理解度が低かったトピックや課題の復習を十分に行い、次回講義の小テストで理解度を確認する。

【成績評価の方法・基準】

受講態度、複数回の試験、各回冒頭の理解度確認小テスト、課題等の提出、講義への積極的な取り組みを総合的に評価する。

【受講要件】

ハンズオンでは、JupyterLab上でnumpy/pandas/matplotlib/sklearnなどのライブラリを利用するPythonプログラムを扱うので、2年次「コンピュータ・サイエンス概論III」「コンピュータサイエンス演習III」で習った内容をよく復習しておくこと。また2年次「データサイエンス基礎」「データ・マイニング論」「データサイエンス演習I, II」、3年次 「機械学習と人工知能」「データサイエンス演習III,IV」と要素技術が相互に関連しあうことが多いので、受講しない/していない場合はMOOCsなどを活用して自学自習することを強く推奨する。

【テキスト】

なし

【参考書】

講義の中で適宜紹介する

【関連分野・関連科目】

コンピュータ・サイエンス概論III、コンピュータサイエンス演習III、データサイエンス基礎、データ・マイニング論、データサイエンス演習I~IV, 機械学習と人工知能

【備考】

 

【添付ファイル1】
【添付ファイル2】
【添付ファイル3】
【リンク】