日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR106/VR106VR106 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
ハイフレックス/HyFlexHyFlex |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
金6/Fri.6 Fri.6 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR5110 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
自動登録/Automatic RegistrationAutomatic Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
－（履修中止制度なし/ No system for cancellation) |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
By imbibing varied concepts for the implementation of deep learning, students will be able to utilize deep learning to accomplish discrete tasks. They will also acquire the fundamental knowledge required to follow the rapid progress of deep learning.
Students will learn the details of neural networks and will become aware of the techniques utilized for deep learning. Furthermore, they will be provided concrete examples and computer experiments by Keras library to apprehend the architectural design of accomplishing various tasks. The purpose of this course is to ensure students acquire the knowledge needed for deep learning to achieve more involved tasks.
| 1 | ニューラルネットワーク入門 |
| 2 | バックプロパゲーションと自動微分、勾配消失問題 |
| 3 | 深層化のための様々な工夫 |
| 4 | 深層学習ライブラリー入門：TensorFlow、Keras、PyTorch |
| 5 | 画像データと畳み込みニューラルネット(CNN) |
| 6 | Kerasによる畳み込みニューラルネットの実装 |
| 7 | 畳み込みニューラルネットとアーキテクチャデザイン |
| 8 | Kerasによる色々なアーキテクチャの実装と性能の比較 |
| 9 | 系列データと再帰的ニューラルネット |
| 10 | Kerasによる再帰的ニューラルネットの実装 |
| 11 | アテンション機構とTransformer |
| 12 | Kerasによるアテンション機構の実装 |
| 13 | Transformerと大規模言語モデル |
| 14 | HuggingFace Transformersによる言語モデルの実装と利用 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
機械学習の基礎、偏微分と線形代数の基礎、Python、基礎的な配列操作
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
三回程度のレポート(100%) |
| 備考 (Notes) | ||
なし/None
本科目は、5年以上の実務経験を有する実務家教員による授業である。
深層学習を実装するための様々なアイデア・テクニックを身につけることで、色々なタスクを深層学習で解決できるようになる。それと同時に、深層学習の急激な進展を追いかけるための基礎知識も習得する。
By imbibing varied concepts for the implementation of deep learning, students will be able to utilize deep learning to accomplish discrete tasks. They will also acquire the fundamental knowledge required to follow the rapid progress of deep learning.
ニューラルネットの仕組みや深層化のためのテクニックを広く身につける。また、色々なタスクを解決するためのアーキテクチャデザインを、様々な具体例と計算機実験を通じて身につける。またこの授業では、Kerasを中心に深層学習ライブラリーを実際にマスターする。これらの経験を通じ、実務的なタスクへ深層学習を活用できるようになる。さらにこの授業で身につけた知識を元にして、より込み入ったタスクやアーキテクチャも理解・実装できるようになることを最終的な目標としている。
Students will learn the details of neural networks and will become aware of the techniques utilized for deep learning. Furthermore, they will be provided concrete examples and computer experiments by Keras library to apprehend the architectural design of accomplishing various tasks. The purpose of this course is to ensure students acquire the knowledge needed for deep learning to achieve more involved tasks.
| 1 | ニューラルネットワーク入門 |
| 2 | バックプロパゲーションと自動微分、勾配消失問題 |
| 3 | 深層化のための様々な工夫 |
| 4 | 深層学習ライブラリー入門：TensorFlow、Keras、PyTorch |
| 5 | 画像データと畳み込みニューラルネット(CNN) |
| 6 | Kerasによる畳み込みニューラルネットの実装 |
| 7 | 畳み込みニューラルネットとアーキテクチャデザイン |
| 8 | Kerasによる色々なアーキテクチャの実装と性能の比較 |
| 9 | 系列データと再帰的ニューラルネット |
| 10 | Kerasによる再帰的ニューラルネットの実装 |
| 11 | アテンション機構とTransformer |
| 12 | Kerasによるアテンション機構の実装 |
| 13 | Transformerと大規模言語モデル |
| 14 | HuggingFace Transformersによる言語モデルの実装と利用 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
機械学習の基礎、偏微分と線形代数の基礎、Python、基礎的な配列操作
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
三回程度のレポート(100%) |
| 備考 (Notes) | ||
なし/None
本科目は、5年以上の実務経験を有する実務家教員による授業である。