Society5.0に対応した高度技術人材育成

enPiT everi 社会人向け「人工知能・ロボット・IoT」に関する短期講義・演習プログラム

MENU

科目一覧

Python/Chainerを活用したAI一般プログラミング

  • 基盤
  • 実習
         
科目名 Python/Chainerを活用したAI一般プログラミング
科目名(英名) Python/Chainer programming for AI application
担当講師(氏名・所属) 鈴木 章央,内田 雅人,田中 悠一朗(株式会社Techno.send)
分類 選択
授業形態 実習

全大学

本科目はオンラインにて実施するため、どの地域からも受講が可能です。
ただし、後半の自由設定課題ではグループワークを行いますので、原則として地域(大学拠点)ごとに2名以上の受講者がいることを条件に開講します。
地域で受講希望者が1名しかいない場合は、グループワークのコマでは単独での実施となることをご了承いただくか、あるいは他地域拠点に行っていただくなどの相談をさせていただきます。場合によっては開講できない場合もあることを、あらかじめご了承ください。
時数 12コマ
時間数(コマ数✕1.5) 18時間
授業の概要 深層学習の実装法について学習する.深層学習は,ニューラルネットワークを用いた機械学習の手法の1つである.その用途は,画像処理や生成モデル,異常検知や未来予測などと幅が広い.しかし,その性能を最大限に活用するためには,学習方法やネットワークの構造,ハイパーパラメータの調整方法,データセットの作り方など,プログラミング技術だけでなく,深層学習の理論に対する深い理解も求められる.ここでは,深層学習の理論と合わせてコーディングを行うことで,実装法や調整法に対する理解を深める.
到達目標 -深層学習のプログラムを組めるようになる.
-理論を理解し,出力結果の性質や良し悪しを判断して改良を行える.
履修上の注意
(準備学習・前提知識)
Pythonプログラミングの基礎知識,数学的な知識として微分積分や線形代数,確率統計を知っておくと分かりやすい(全く知らなくとも努力次第で理解はできる).クラウドサービスを利用した演習を行うために,クレジットカードが必要になる可能性がある(課金は発生しない).
授業計画・内容 全ての講義で,座学と演習を織り交ぜた形式で講義を進める.最後には自ら課題を設定し,最適なニューラルネットワークを設計,実装,性能評価,改良を行う.

1, 2. イントロダクション,順伝播型ネットワーク
3, 4. PythonライブラリChainerを使った深層学習の実装の基礎、最適化と正則化
5, 6. 畳み込みニューラルネットワーク,自己回帰型ネットワーク
7, 8. 自己符号化器,生成モデル
9, 10. 強化学習,自由設定課題(ヒアリング)
11, 12. 自由設定課題のコーディング,発表
事前・事後学習の内容 事前学習は必要ない.事後学習として,講義時間内に終了しなかった演習の課題を終了させること,講義資料を読み返すこと.
成績評価の方法 最終課題を除く演習の進捗状況
最終課題の提出およびその内容
教科書・参考書等 講義資料は配布.
参考資料:Ian Goodfellow(他)著, 岩澤有祐(他)訳,深層学習,ASCIIDWANGO,2018.
キーワード 深層学習,chainer