|| 英語(English)
学習支援計画書(シラバス) 検索システム
機械工学専攻
対象課程 科目名 単位数 科目コード 開講時期 授業科目区分
博士前期課程(修士課程)
深層学習特論
Deep Learning
1 2115-01 2025年度
前学期
関係科目
担当教員名
授業科目の学習・教育目標
キーワード 学習・教育目標
1.人工知能 2.機械学習 3.深層学習 深層学習は多層ニューラルネットワークを用い、大規模データで訓練することで非常に複雑 な情報処理を可能にした機械学習の一手法である。過去10年で、画像認識や自然言語処理な ど多くの分野に革新をもたらし、近年では、ChatGPTなどの大規模言語モデルが登場し、汎 用人工知能の実現が現実味を帯びている。本講義では深層学習の基礎と最近の手法を学ぶ。
授業の概要および学習上の助言
 本科目で取り扱う中心的な内容は以下である。 1.深層順伝播型ネットワーク 2.誤差逆伝搬学習 3.正則化 4.畳み込みネットワーク 5.トランスフォーマー 6.拡散モデル  深層学習の基本的な概念と手法の理解を深めるためにPython言語によるプログラミング演習を実施する。プログラミ ング演習においては、ノートPCを使用するので、持参すること。
教科書および参考書・リザーブドブック
教科書:Bishop & Bishop, Deep Learning:Foundations and Concepts, (Springer, 2024). ISBN-10:3031454677. 無料オンライン版: https://www.bishopbook.com
履修に必要な予備知識や技能
Python言語によるプログラミング能力が必須である。
学生が達成すべき行動目標
No.
深層学習の基本的な概念と代表的な手法を説明することができる。
達成度評価
評価方法 試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 40 0 60 0 0 0 0 100
評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験 授業内容の理解度を測るために試験を実施する。
クイズ
小テスト
レポート 授業内容の理解を深めるためにレポート課題を課す。記載内容により評価する。
成果発表
(口頭・実技)
作品
ポートフォリオ
その他
具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
深層学習の基本的な概念と手法を正確に説明することができる 。 深層学習の基本的な概念と手法を説明することができる。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間(例えば2単位科目の場合、予習2時間・復習2時間/週)を取るよう努めてください。詳しくは教員の指導に従って下さい。
授業明細
回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分※
科目ガイダンス 教科書: Chapter 1 The Deep Learning Revolution自 己点検 講義(質疑応答を含む)と演 習 自己点検 予習:教科書該当範囲の通読 復習:授業内容の理解 100 100
教科書 - Chapter 6: Deep Neural Networks - Chapter 7: Gradient Descent 自己点検 講義(質疑応答を含む)と演 習 自己点検 予習:教科書該当範囲の通読 復習:授業内容の理解 100 100
教科書 - Chapter 8: Backpropagation - Chapter 9: Regularization 自己点検 講義(質疑応答を含む)と演 習 自己点検 予習:教科書該当範囲の通読 復習:授業内容の理解 100 100
教科書 - Chapter 10: Convolutional Networks 自己点検 講義(質疑応答を含む)と演 習 自己点検 予習:教科書該当範囲の通読 復習:授業内容の理解 100 100
教科書 - Chapter 12: Transformers 自己点検 講義(質疑応答を含む)と演 習 自己点検 予習:教科書該当範囲の通読 復習:授業内容の理解 100 100
教科書 - Chapter 19 Autoencoders - Chapter 20 Diffusion Models 自己点検 講義(質疑応答を含む)と演 習 自己点検 予習:教科書該当範囲の通読 復習:授業内容の理解 100 100
試験 総括 自己点検 講義(質疑応答を含む) 自己点検 予習:第6回までの授業内容の復 習 復習:授業内容の理解 100 100