Python と Keras によるディープラーニング

日時 内容 スライドのファイル 補足資料など 発表者
5月22日 ---Part1 ディープラーニングの基礎
第1章 ディープラーニングとは何か
1.1 AI、機械学習、ディープラーニング
pk-dl-yuuki-0522.pdf 結城
5月29日 1.2 ディープラーニングの前史:機械学習 pk-dl-zhao-0529.pdf
1.3 なぜディープラーニングなのか、なぜ今なのか pk-dl-shou-0529.pdf
6月4日 第2章 予習:ニューラルネットワークの数学的要素
2.1 初めてのニューラルネットワーク
pk-dl-ma-0604.pdf 馬-田中
2.2 ニューラルネットワークでのデータ表現 pk-dl-ohu-0604.pdf 欧-南濱
2.3 ニューラルネットワークの歯車
:テンソル演算
pk-dl-chouichi-0604.pdf 一鳴-芝山
2.4 ニューラルネットワークのエンジン
:勾配ベースの最適化
趙-荘司
第3章 入門:ニューラルネットワーク
3.1 ニューラルネットワークの構造
pk-dl-shou-0604.pdf 章-藤井
3.2 Kerasの紹介 pk-dl-yuuki-0604.pdf 結城
6月12日 3.3 ディープラーニングマシンのセットアップ pk-dl-yuuki-0612-1.pdf 結城
3.4 二値分類の例:映画レビューの分類 pk-dl-yuuki-0612-2.pdf 結城
3.5 多クラス分類の例:ニュース配信の分類 pk-dl-shou-0612.pdf
6月19日 3.6 回帰の例:住宅価格の予測 pk-dl-ma-0619.pdf 馬-田中
第4章 機械学習の基礎
4.1 機械学習の4つの手法
pk-dl-ohu-0619.pdf 欧-南濱
4.2 機械学習モデルの評価 一鳴-芝山
4.3 データ前処理、特徴エンジニアリング、表現学習 pk-dl-yuuki-0619.pdf 結城
4.4 過学習と学習不足 pk-dl-shou-0619.pdf
6月26日 4.5 機械学習の一般的なワークフロー 一鳴-芝山
---Part2 ディープラーニングの実践
第5章 コンピュータビジョンのためのディープラーニング
5.1 畳み込みニューラルネットワークの紹介
pk-dl-yuuki-0626.pdf 結城
7月3日 5.2 小さなデータセットでCNNを一から訓練する pk-dl-ma-0703.pdf 馬-田中
5.3 学習済みのCNNを利用する pk-dl-shou-0703.pdf
5.4 CNNが学習した内容を可視化する pk-dl-ohu-0703.pdf 欧-南濱
第6章 テキストとシーケンスのためのディープラーニング
6.1 テキストデータの操作
pk-dl-chouichi-0703(1).pdf
pk-dl-chouichi-0703(2).pdf
趙-荘司
6.2 リカレントニューラルネットワークを理解する 一鳴-芝山
6.3 リカレントニューラルネットワークの高度な使い方 pk-dl-yuuki-0703.pdf 結城
7月10日 6.4 畳み込みニューラルネットワークでのシーケンス処理 pk-dl-shou-0710.pdf
第7章 高度なディープラーニングのベストプラクティス
7.1 Sequentialモデルを超えて
:Keras Functional API
趙-荘司
7.2 KerasのコールバックとTensorBoardを使ったディープラーニングモデルの調査と監視 pk-dl-ma-0710.pdf 馬-田中
7.3 モデルを最大限に活用するために 欧-南濱
第8章 ジェネレーティブディープラーニング
8.1 LSTMによるテキスト作成
pk-dl-chouichi-0710(1).pdf 一鳴-芝山
7月24日 8.2 DeepDream pk-dl-yuuki-0724.pdf 結城
8.3 ニューラルネットワークによるスタイル変換 馬-田中
8.4 変分オートエンコーダによる画像の生成 欧-南濱
8.5 速習:敵対的生成ネットワーク 趙-荘司
第9章 本書のまとめ (省略)