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 |
WR516/WR516WR516 |
| 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（全回オンライン）/Online (all classes are online)Online (all classes are online) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
発話を伴う授業を学内で受講する場合はX106教室・X107教室の利用可 |
| 授業形式/ Class StyleCampus |
演習・ゼミ/SeminarSeminar |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
土3/Sat.3 Sat.3 , 土4/Sat.4, Sat.4 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 |
AIR7600 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code 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 practical session will correspond to the course on "Deep Learning" with the aim of making students acquire a sense of the ways in which deep learning actually works and the specific situations in which it can be used.
Using the frameworks of TensorFlow and Keras, students will apply the content taught in the course on the topic of "Deep Learning" on specific cases.
| 1 | オリエンテーションおよび要素技術の習得など。 |
| 2 | 基礎的事項の習得（１） |
| 3 | 基礎的事項の習得（２） |
| 4 | 基礎的事項の習得（３） |
| 5 | 畳み込みニューラルネットワーク（１） |
| 6 | 畳み込みニューラルネットワーク（２） |
| 7 | 畳み込みニューラルネットワーク（３） |
| 8 | 畳み込みニューラルネットワーク（４） |
| 9 | 注意機構とTransformer（１） |
| 10 | 注意機構とTransformer（２） |
| 11 | リカレントニューラルネットワーク（１） |
| 12 | リカレントニューラルネットワーク（２） |
| 13 | 総合演習 |
| 14 | 総合演習 |
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
講義科目「深層学習」の内容をよく理解しておくこと。また、Pythonプログラミングに慣れておくこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
レポート1(25%) レポート2(25%) レポート3(25%) レポート４(25%) |
| 備考 (Notes) | ||
| 複数回のレポートで評価する。 クラスによって内容・評価方法は変わることがある。 | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 特に指定しない。必要に応じて資料を配付する。 |
（１）パソコンの他にノートと筆記用具も使用する。
（２）資料の配布、レポートの提出などにCanvas LMS を使用する。
（３）プログラミング演習では基本的に Google Colaboratory の利用を前提とする。
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。
本科目は、博士課程後期課程におけるコースワーク科目である。後期課程の受講者は、前期課程の受講者より高度な知識・スキルを身に付けることを目標としたうえで、成績評価基準についても、前期課程の受講者より高度な達成水準を要求する。
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。
講義科目「深層学習」に対応する演習科目であり、深層学習が実際にはどのように動作し、いかなる具体的場面で活用できるのかについての感覚を身につけることを目標とする。
This practical session will correspond to the course on "Deep Learning" with the aim of making students acquire a sense of the ways in which deep learning actually works and the specific situations in which it can be used.
講義科目「深層学習」で学んだ内容を実際に手を動かすことにより理解を深めるとともに、具体的事例に対して実践する。ライブラリはTensorFlowとKerasを用いる。
Using the frameworks of TensorFlow and Keras, students will apply the content taught in the course on the topic of "Deep Learning" on specific cases.
| 1 | オリエンテーションおよび要素技術の習得など。 |
| 2 | 基礎的事項の習得（１） |
| 3 | 基礎的事項の習得（２） |
| 4 | 基礎的事項の習得（３） |
| 5 | 畳み込みニューラルネットワーク（１） |
| 6 | 畳み込みニューラルネットワーク（２） |
| 7 | 畳み込みニューラルネットワーク（３） |
| 8 | 畳み込みニューラルネットワーク（４） |
| 9 | 注意機構とTransformer（１） |
| 10 | 注意機構とTransformer（２） |
| 11 | リカレントニューラルネットワーク（１） |
| 12 | リカレントニューラルネットワーク（２） |
| 13 | 総合演習 |
| 14 | 総合演習 |
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
講義科目「深層学習」の内容をよく理解しておくこと。また、Pythonプログラミングに慣れておくこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
レポート1(25%) レポート2(25%) レポート3(25%) レポート４(25%) |
| 備考 (Notes) | ||
| 複数回のレポートで評価する。 クラスによって内容・評価方法は変わることがある。 | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 特に指定しない。必要に応じて資料を配付する。 |
（１）パソコンの他にノートと筆記用具も使用する。
（２）資料の配布、レポートの提出などにCanvas LMS を使用する。
（３）プログラミング演習では基本的に Google Colaboratory の利用を前提とする。
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。
本科目は、博士課程後期課程におけるコースワーク科目である。後期課程の受講者は、前期課程の受講者より高度な知識・スキルを身に付けることを目標としたうえで、成績評価基準についても、前期課程の受講者より高度な達成水準を要求する。
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。