深層学習（ディープラーニング）の基礎的・根本的な原理を徹底的に理解しよう

講師

慶應義塾大学 理工学部 情報工学科　教授　工学博士　萩原 将文 氏

受講料

48,600円 ( S&T会員受講料 46,170円 )
(まだS&T会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

【2名同時申込みで1名分無料キャンペーン（１名あたり定価半額 の24,300円）】
※2名様ともS&T会員登録をしていただいた場合に限ります。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、上記１名あたりの金額で追加受講できます。
※受講券、請求書は、代表者にご郵送いたします。
※請求書および領収書は1名様ごとに発行可能です。
(申込みフォームの通信欄に「請求書１名ごと発行」と記入ください。)
※他の割引は併用できません。

得られる知識

・深層学習の基本的な原理の理解
・深層学習での代表的な学習アルゴリズムの理解
・先端的研究の概要の理解への橋渡し

趣旨

　深層学習のソフトウェアの使い方を解説する本が多く出版されています。これらを実際に使っ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。

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
　　a) 階層型ニューラルネットワーク
　　b) リカレントニューラルネットワーク
　　c) 畳み込みニューラルネットワーク
　　d) 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
　　～何とこんなにシンプルなアルゴリズムになる～

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
　　～誤差を逆方向に伝搬させる～
　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 学習の概要
　　～ここでも誤差を逆方向に～
　4.5 実際の応用例

５．深層学習の課題と今後の発展
　5.1 現在の深層学習の課題
　5.2 今後の発展の方向性

６．まとめ

 □質疑応答□