| |
|
番号
|
【項目欄】
|
【内容欄】
|
|
|
1．
|
機械学習の原理：回帰問題（１）
|
線形回帰を通して機械学習の原理を理解する．
|
|
|
2．
|
機械学習の基礎理論：確率論（１）
|
確率論を復習し，理解度を深める．自信の度合いを確率の枠組みで考えるベイズ確率を理解する．
|
|
|
3．
|
機械学習の基礎理論：確率論（２）
|
観測した結果による自身の度合い（ベイズ確率)の更新の仕組みを理解する．
|
|
|
4．
|
機械学習の原理：回帰問題（２）
|
線形回帰にベイズ確率の考えを応用したベイズ線形回帰を理解する．
|
|
|
5．
|
機械学習の原理：分類問題（１）
|
データの分類問題を扱う機械学習の原理を理解する．
|
|
|
6．
|
機械学習の原理：分類問題（２）・最適化
|
分類問題にベイズ確率の考えを応用したロジスティック回帰を理解する．重みパラメータの最適化を行うための勾配法を理解する．
|
|
|
7．
|
機械学習の原理：モデル選択・ニューラルネットワーク（１）
|
学習データから良いモデルを選択する手法を理解する．ニューラルネットワークの基本構成と実装方法を理解する．
|
|
|
8．
|
機械学習の実装：ニューラルネットワーク（２）
|
ニューラルネットワークの学習アルゴリズムと損失関数を理解する．
|
|
|
9．
|
機械学習の実装：ニューラルネットワーク（３）
|
ニューラルネットワークの学習アルゴリズムの実装方法を理解する．勾配計算を効率よく行う誤差逆伝搬法の基礎となる計算グラフを理解する．
|
|
|
10．
|
機械学習の実装：ニューラルネットワーク（４）
|
誤差逆伝搬法を用いたニューラルネットワークの実装方法を理解する．
|
|
|
11．
|
機械学習の実装：CNN（１）
|
畳み込みニューラルネットワークの構成と畳み込み演算・プーリング演算を理解する．
|
|
|
12．
|
機械学習の実装：CNN（２）
|
畳み込みニューラルネットワークの実装方法を理解する．
|
|
|
13．
|
機械学習の実装：学習に関するテクニック
|
学習に関する各種テクニックと実装方法を理解する．
|
|
|
14．
|
機械学習の実装：課題演習
|
これまでの学習内容と自身が調査した内容を元に畳み込みニューラルネットワークの設計・実装を行う．
|
|
|
15．
|
プレゼンテーション
|
自身が設計・実装を行った畳み込みニューラルネットワークについてプレゼンテーションを行う．
|
|