授業計画 |
回数 |
学習目標 |
学習項目 |
1 |
次元削減とは何かを説明出来る。主成分分析を説明出来る。 |
次元削減 (1):機械学習における次元削減の用途を理解した上で、主成分分析について学習する。 |
【理解度確認】練習問題 |
2 |
主成分分析が実施出来る。 |
次元削減 (2):scikit-learnを用いて主成分分析の実施方法について学習する。 |
【理解度確認】練習問題 |
3 |
変分AutoEncoderの構造について説明出来る。 |
変分AutoEncoder (1):変分AutoEncoderの理論的側面について学習する。 |
【理解度確認】練習問題 |
4 |
変分AutoEncoderの構造について説明出来る。 |
変分AutoEncoder (2):変分AutoEncoderの理論的側面について学習する。 |
【理解度確認】練習問題 |
5 |
変分AutoEncoderを実装出来る。 |
変分AutoEncoder (3):変分AutoEncoderの実装方法について学習する。 |
【理解度確認】練習問題 |
6 |
ノイズ除去のモデルを実装出来る。 |
変分AutoEncoder (4):変分AutoEncoderの応用として、ノイズ除去について学習する。 |
【理解度確認】練習問題 |
7 |
畳み込みAutoEncoderについて説明出来る。TensorFlowにより畳み込みAutoEncoderを実装出来る。 |
変分AutoEncoder (5):畳み込みAutoEncoderの仕組みについて学習する。併せて、TensorFlowにより畳み込みAutoEncoderを実装する。 |
【理解度確認】練習問題 |
8 |
確認テストによって理解を確実なものにする。 |
これまでの学習内容の確認テストを実施する。 |
【理解度確認】確認テスト |
9 |
GANについて説明出来る。生成モデルとは何かを説明出来る。 |
GAN (1):GANの用途およびGANの各種派生アルゴリズムについて学習する。併せて、生成モデルについても学習する。 |
【理解度確認】練習問題 |
10 |
TensorFlowによりGANを実装出来る。 |
GAN (2):TensorFlowによりGANの実装を行う。 |
【理解度確認】練習問題 |
11 |
RNNの構造について説明出来る。 |
RNN (1):時系列データの特徴を踏まえた上で、RNNについて学習する。 |
【理解度確認】練習問題 |
12 |
RNNのバックプロパゲーションについて説明出来る。転移学習について説明出来る。 |
RNN (2):RNNのバックプロパゲーション、学習済みモデルと転移学習について学習する。 |
【理解度確認】練習問題 |
13 |
LSTMによるニューラルネットワークを実装出来る。 |
RNN (3):LSTMの構成および各種ゲートの役割について学習する。併せて、TensorFlowによる実装方法についても学習する。 |
【理解度確認】練習問題 |
14 |
seq2seqを実装出来る。 |
RNN (4):seq2seqの用途と仕組みについて学習する。併せて、TensorFlowによる実装方法についても学習する。 |
【理解度確認】練習問題 |
15 |
総合テストによって理解を確実なものにする。 |
これまでの学習内容の総合テストを実施する。 |
【理解度確認】総合テスト |