コース紹介

AIセミナー

種別

選択必修科目

開講期

2019年度前期(2Q)・火曜日5/6限

講師

九工大・田向准教授

概要

近年の人工知能の主要トピックを座学と演習を通して学ぶ.基本的な深層ニューラルネットワークや生成モデル,強化学習について,深層学習フレームワークとGPU搭載計算機を用いたプログラミングにより理解を深める.
■Deep Learning フレームワークを用いた実装中心のセミナー(第1 レベル人材の育成を想定 ※).
■セミナー内ではフレームワークの使い方を中心に学び,演習は自主学習とする.
■最終課題ではセミナーで学んだ内容をベースに,チームまたは個人の自由なアイデアで課題を設定し,取り組んだ手法や実験結果をプレゼンテーションする.昨年度のテーマ(一部)は以下の通り.
・深層強化学習を利用した株トレード
・「Silicon Valley」に出てくるチアン・ヤン君の「SEEFOOD」作ってみた(ホットドッグの画像判別器)
・何部っぽい?CNNによるカテゴリ分類(顔画像から所属する部活動を推定)
・Haruka bot, LSTMの記憶力の調査(ツイート自動生成システム)
■セミナーでの学習内容を夏休み総合実習に役立てることを想定.
 例1:@ホームサービスロボット実習におけるDeep Convolutional Neural Networks と転移学習を用いた物体認識
 例2:自動運転車制御実習における深層学習による人物検出
 例3:自動運転支援センシング実習における深層学習による大規模点群データ処理

※ 例えば,Deep learning に関してはオープンソースのソフトウエアはインターネットから容易に入手できるので,PCのキーを押せば何らかの結果が出てくる状況にはあるが,意味のある結果が得られたのかどうかを判断でき,もし得られていなければ手法やパラメータを修正し,意味のある結果を出せる人材を第1 レベルの人材と呼ぶ。
(ひびきのAI 社会実装研究会での議論より)

実習計画

  1. 順伝播ネットワーク(1)
  2. 順伝播ネットワーク(2)
  3. 深層モデルのための正則化(1)
  4. 深層モデルのための正則化(2)
  5. 深層モデルのための最適化(1)
  6. 深層モデルのための最適化(2)
  7. 畳込みネットワーク(1)
  8. 畳込みネットワーク(2)
  9. リカレントネットワーク(1)
  10. リカレントネットワーク(2)
  11. 自己符号化器
  12. 生成モデル
  13. 深層強化学習(1)
  14. 深層強化学習(2)
  15. 最終課題(1)
  16. 最終課題(2)

■場所:九工大 生命体工学研究科2F 端末室2 (GPUマシン20台設置)
■教材:「はじめての深層学習プログラミング」,清水 亮 著,技術評論社


セミナー初回風景