概要:
本講義では,外部のライブラリに頼らずにゼロから,ディープラーニングのプログラムを実装します.自然言語処理や時系列データ処理に使われるディープラーニングの技術に焦点を当てます.
本講義で学ぶ主な技術として,Pythonによるテキスト処理,時系列データ処理,文章生成などがあります.
逆に,本講義では,最新の研究に関する詳しい解説・紹介,Caffe, TensorFlow, Chainerなどのフレームワークの説明は行いませんので,注意して下さい.
授業の進め方・方法:
テキストをもとに講義を行う.プログラムのデモンストレーションなどを行う.
注意点:
・ 授業時間以外に,1週に4時間の自主学習が必要である。
・ プログラミング言語(C,Java,Python,Fortranのいずれか)に関する基礎知識が必要である。
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
ガイダンス(1) ニューラルネットワークの復習 |
ニューラルネットワークについて説明できる.ニューラルネットワークの実装に関するプログラムを作成できる.
|
2週 |
ニューラルネットワークの復習
|
ニューラルネットワークについて説明できる.ニューラルネットワークの実装に関するプログラムを作成できる.
|
3週 |
自然言語と単語の分散表現 |
自然言語と単語の分散表現について説明できる.自然言語と単語の分散表現に関するプログラムを作成できる.
|
4週 |
自然言語と単語の分散表現 |
自然言語と単語の分散表現について説明できる.自然言語と単語の分散表現に関するプログラムを作成できる.
|
5週 |
word2vec |
word2vecについて説明できる.word2vecの高速化に関するプログラムを作成できる.
|
6週 |
word2vec |
word2vecについて説明できる.word2vecの高速化に関するプログラムを作成できる.
|
7週 |
word2vecの高速化 |
word2vecの高速化について説明できる.word2vecの高速化に関するプログラムを作成できる.
|
8週 |
後期中間試験 |
|
4thQ |
9週 |
word2vecの高速化 |
word2vecの高速化について説明できる.word2vecの高速化に関するプログラムを作成できる.
|
10週 |
リカレントニューラルネットワーク(RNN) |
リカレントニューラルネットワーク(RNN)の構造を理解し、その処理をPythonで実装することができる。
|
11週 |
リカレントニューラルネットワーク(RNN) |
リカレントニューラルネットワーク(RNN)の構造を理解し、その処理をPythonで実装することができる。
|
12週 |
ゲート付きRNN |
ゲート付RNNの一つであるLSTMを使った言語モデルを作り、実際のデータで上手く学習できることを確認する。
|
13週 |
ゲート付きRNN |
ゲート付RNNの一つであるLSTMを使った言語モデルを作り、実際のデータで上手く学習できることを確認する。
|
14週 |
RNNによる文章生成 |
RNNによる文章生成について説明できる.word2vecの高速化に関するプログラムを作成できる.
|
15週 |
RNNによる文章生成 |
RNNによる文章生成について説明できる.word2vecの高速化に関するプログラムを作成できる.
|
16週 |
後期末試験 |
|
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
専門的能力 | 分野別の専門工学 | 情報系分野 | ソフトウェア | アルゴリズムの概念を説明できる。 | 4 | 後1,後2,後3,後4,後5,後6,後7,後8,後9,後10,後11,後12,後13,後14,後15 |
与えられたアルゴリズムが問題を解決していく過程を説明できる。 | 4 | 後1,後2,後3,後4,後5,後6,後7,後8,後9,後10,後11,後12,後13,後14,後15 |
同一の問題に対し、それを解決できる複数のアルゴリズムが存在しうることを説明できる。 | 4 | 後1,後2,後3,後4,後5,後6,後7,後8,後9,後10,後11,後12,後13,後14,後15 |