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 |
VR711/VR711VR711 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
オンライン（一部対面）/Online (partially face-to-face)Online (partially face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
対面（一部オンライン） |
| 授業形式/ Class StyleCampus |
輪講/Lectures in TurnLectures in Turn |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期他/Fall OthersFall Others |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
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 |
AIR6600 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
その他登録/"Other" Registration"Other" 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 |
This course aims to help the students deepen the understanding of the mathematical theory, various related techniques’ mechanism of deep learning, and its applications in different visual tasks. By understanding the lecture contents, it is prospected to enhance the ability of adaptively applying deep learning algorithms to real-world tasks.
The student in turn lectures the contents of the selected chapters from the book “Dive into Deep Learning” (Aston Zhang et al., After Chapter 4) including the basic theory, related techniques of deep learning and the detailed implementation methods using python programing. In addition, it is also possible to survey a specific topic being related to the deep learning such as attention mechanism, self-supervised learning, adversarial learning, transformed, diffusion model and so on, and give a talk about it.
| 1 | イントロダクション |
| 2 | 深層学習に関する輪講（１） |
| 3 | 深層学習に関する輪講（２） |
| 4 | 深層学習に関する輪講（３） |
| 5 | 深層学習に関する輪講（４） |
| 6 | 深層学習に関する輪講（５） |
| 7 | 深層学習の応用に関する輪講（１） |
| 8 | 深層学習の応用に関する輪講（２） |
| 9 | 深層学習の応用に関する輪講（３） |
| 10 | 深層学習の応用に関する輪講（４） |
| 11 | 深層学習の応用に関する輪講（５） |
| 12 | 深層学習の応用に関する輪講（６） |
| 13 | 深層学習の応用に関する輪講（７） |
| 14 | 総括 |
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
確率論・機械学習の基礎や入門知識について復習し、関連知識をよく理解しておくこと。また、深層学習の基礎知識とPythonプログラミングの予習を行うこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業への参加度および質疑応答(40%) プレゼンテーション１(30%) プレゼンテーション２(30%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | Aston Zhang et al. | Dive into Deep Learning | Cambridge University Press | 2023 |
確率論・機械学習の基礎や入門知識について復習し、関連知識をよく理解しておくこと。また、深層学習の基礎知識とPythonプログラミングの予習を行うこと。
本科目は、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。
深層学習の理論的知識、関連技術のメカニズムおよびビジョンタスクへの応用に関する知識を深める。これによって、深層学習理論を実社会の課題に柔軟的に応用する能力を身につけるために訓練を行う。
This course aims to help the students deepen the understanding of the mathematical theory, various related techniques’ mechanism of deep learning, and its applications in different visual tasks. By understanding the lecture contents, it is prospected to enhance the ability of adaptively applying deep learning algorithms to real-world tasks.
“Dive into Deep Learning” (Aston Zhang et al.、5章以降) から数章を選び、深層学習の理論知識・構成要素および実現方法を輪講する。また、深層学習におけるある特定のトッピング（例えばAttention機構、自己教師あり学習、敵対学習、Transformer、拡散モデル、基盤モデル）についてサーベイを行い、紹介する。
The student in turn lectures the contents of the selected chapters from the book “Dive into Deep Learning” (Aston Zhang et al., After Chapter 4) including the basic theory, related techniques of deep learning and the detailed implementation methods using python programing. In addition, it is also possible to survey a specific topic being related to the deep learning such as attention mechanism, self-supervised learning, adversarial learning, transformed, diffusion model and so on, and give a talk about it.
| 1 | イントロダクション |
| 2 | 深層学習に関する輪講（１） |
| 3 | 深層学習に関する輪講（２） |
| 4 | 深層学習に関する輪講（３） |
| 5 | 深層学習に関する輪講（４） |
| 6 | 深層学習に関する輪講（５） |
| 7 | 深層学習の応用に関する輪講（１） |
| 8 | 深層学習の応用に関する輪講（２） |
| 9 | 深層学習の応用に関する輪講（３） |
| 10 | 深層学習の応用に関する輪講（４） |
| 11 | 深層学習の応用に関する輪講（５） |
| 12 | 深層学習の応用に関する輪講（６） |
| 13 | 深層学習の応用に関する輪講（７） |
| 14 | 総括 |
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
確率論・機械学習の基礎や入門知識について復習し、関連知識をよく理解しておくこと。また、深層学習の基礎知識とPythonプログラミングの予習を行うこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業への参加度および質疑応答(40%) プレゼンテーション１(30%) プレゼンテーション２(30%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | Aston Zhang et al. | Dive into Deep Learning | Cambridge University Press | 2023 |
確率論・機械学習の基礎や入門知識について復習し、関連知識をよく理解しておくこと。また、深層学習の基礎知識とPythonプログラミングの予習を行うこと。
本科目は、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。