教員免許取得のための必修科目

授業の目的

機械学習はデータサイエンスにおける必須の技術であり、その中でも大規模なニューラルネットワークをもちいた深層学習は、様々な問題において優れた性能を発揮することが知られている。本講義では、深層学習の基本的な考え方や理論について学ぶ。

教育内容

まず、ニューラルネットワークの復習を行い、深層学習への導入として、大規模なネットワークを俯瞰的に捉える方法や、演算モジュール、マルチタスク、マルチモーダルなどの考え方について学ぶ。また、深層学習においても重要となる過学習を防止するための技法や、学習を収束させるための技法について学ぶ。次に、深層学習における様々なネットワーク構造（畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、トランスフォーマーなど）について学ぶ。さらに、深層学習のもつ特長的な能力と様々な学習の類型（表現学習、事前学習、転移学習など）について学ぶ。最後に、自己符号化器などの生成モデルについて学ぶ。

教育方法

パワーポイントによる講義を行う。パワーポイント資料は講義前にホームページ等で配布する。毎回の講義では、理解度確認のために基礎的な内容の課題を出題する。また、数回の講義ごとに、応用的な内容のレポート課題を出題する。最後に、講義全体の内容を出題範囲として試験を行う。
講義内課題、レポート課題については、提出後に模範解答を配布して解説を行う。試験については、採点後に講評を行う。講義に関する質問はメールや対面にて受け付ける。

卒業・学位授与の方針と当該科目の関連

DP5

授業内容(シラバス)

到達目標

深層学習の大規模なネットワークを俯瞰的に捉えることができる。深層学習の基本的な概念、用語、よくある図の見方を理解できる。深層学習における様々なネットワーク構造と学習の類型を理解できる。

評価方法

講義内で出題する課題（30％）、レポート課題（35％）、試験（35％）の合計で評価する。

準備学習(予習・復習等)

【講義時間外に必要な学修時間：60時間】
予習：事前に配布する講義資料を読み、疑問点を明確にしておくこと。
復習：レポート課題の解答を作成し、提出後に配布する模範解答との比較・考察を行うこと。

備考・その他

【科目ナンバリング：FU301-MT03】
【関連科目：人工知能・機械学習入門、データ解析とその数理Ⅱ、プログラミングⅢ】

実務経験の授業への活用方法

（齋藤）国立研究所での深層学習技術の開発・応用経験をもとに、深層学習について講義する。
（来見田）国立研究所における生命科学データの研究開発経験をもとに、深層学習の講義を行う。

教材