【中止】深層学習の基本的な原理を理解する

セミナー趣旨

  深層学習を実際に使ってみたご経験のある方は増えていると思います。プログラムは指示通りに動いてくれますが、一方で何かが不足していると感じませんか？それは、根本的な原理の理解です。深層学習の基本原理が理解できると、以下のように、一段高い場所から深層学習が見えてくるようになります。
　1、現在の深層学習の全体像を把握できる。
　2、次々に発表される先端研究のおおまかな把握が楽になる。
　3、効果的でユニークなアプリケーション開発が可能となる。
　本講座では、深層学習で広く用いられている代表的な学習アルゴリズムについてわかりやすく解説します。

セミナープログラム

1　深層学習のいろいろ
　1.1　深層学習の3つの流れ
　1.2　代表的な深層学習
　　  1.2.1　階層型ニューラルネットワーク
　　  1.2.2　リカレントニューラルネットワーク
　　  1.2.3　畳み込みニューラルネットワーク
　　  1.2.4　深層ボルツマンマシン
2　最急降下法〜ニューラルネットワークの基本原理〜を理解しよう
　2.1　ニューラルネットワークを最も単純化しよう〜簡単なディジタルフィルタとして〜
　2.2　誤差を小さくするためには
　2.3　微分の復習
　2.4　学習アルゴリズムの導出
3　ニューラルネットワークに適用しよう〜誤差逆伝播法（バックプロパゲーション）〜
　3.1　出力層に近い層は簡単
　3.2　1層奥に入るにはアイデアが必要だった〜誤差を逆に伝搬させる〜
　3.3　非線形性が効果的である理由を理解しよう
　3.4　実際の応用例
4　畳み込みニューラルネットワーク
　4.1　単純型細胞と複雑型細胞
　4.2　畳み込み
　4.3　プーリング
　4.4　実際の応用例
5　敵対的生成ネットワーク（GAN）
　5.1　簡単な動作原理
　5.2　実際の応用例
6　深層学習の課題と今後の発展
　6.1　現在の深層学習の課題
　6.2　今後の発展の方向性
7　まとめ

セミナー講師

 萩原 将文（はぎわらまさふみ）氏　  慶應義塾大学　理工学部　情報工学科　教授（工学博士）  

セミナー受講料

お1人様受講の場合　51,700円[税込]／1名
1口でお申込の場合　62,700円[税込]／1口（3名まで受講可能）

受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。