言語情報科学専攻

• 科目コード（修士）: 31M200-0450S
• 科目コード（博士）: 31D200-0450S
• 開講学期: S1S2
• 曜限: 金曜2限 Fri 2nd
• 教室: 駒場18号館 言語情報解析室
• 単位数: 2
• 担当教員: 川崎　義史

授業の目標・概要

・この授業の目標は，言語研究のための深層学習の数学的背景とPythonでの実装を習得することです。 ・今学期は，誤差逆伝播法を学びます。

授業のキーワード

• Deep learning
• 深層学習，Python，誤差逆伝播法
• Python
• backpropagation
• 機械学習

授業計画

1．Python入門
2．パーセプトロン
3．ニューラルネットワーク
4．ニューラルネットワーク
5．ニューラルネットワーク
6．ニューラルネットワーク
7．ニューラルネットワーク
8．誤差逆伝播法
9．誤差逆伝播法
10．誤差逆伝播法
11．CNN
12．CNN
13．CNN

授業の方法

・講義を中心としつつ，適宜，実習を交えます。
・学習事項の確認として，複数回，課題が出ます。

成績評価方法

・期末レポート，課題，授業への参加状況等をもとに総合的に判断します。

教科書

・斎藤康毅（2016）『ゼロから作るDeep Learning Pythonで学ぶディープラーニングの理論と実装』　オライリー・ジャパン．

参考書

・我妻幸長（2018）『初めてのディープラーニング』　SBクリエィティブ．
・Ian Goodfellow，Yoshua Bengio，Aaron Courville（2018）『深層学習』 岩澤有祐，鈴木雅大，中山浩太郎，松尾豊（監訳）　KADOKAWA．
・岡谷貴之（2015）『深層学習』　講談社．
・神嶌敏弘（編）（2015）『深層学習』　近代科学社．
・斎藤康毅（2016）『ゼロから作るDeep Learning Pythonで学ぶディープラーニングの理論と実装』　オライリー
・ジャパン．
・斎藤康毅（2018）『ゼロから作るDeep Learning ❷ 自然言語処理編』　オライリー
・ジャパン．
・新納浩幸（2017）『Chainer v2による実践深層学習』　オーム社．
・高村大也（2010）『言語処理のための機械学習入門』コロナ社．
・瀧雅人（2017）『これならわかる深層学習入門』　講談社．
・坪井祐太，海野裕也，鈴木潤（2017）『深層学習による自然言語処理』　講談社．
・Yoav Goldberg（2019）『自然言語処理のための深層学習』加藤恒昭，林良彦， 鷲尾光樹，中林明子（翻訳）　共立出版．
・涌井良幸，涌井貞美（2017）『ディープラーニングがわかる数学入門』　技術評論社．

履修上の注意

・大学初年時レベルの線形代数，確率・統計，プログラミング，機械学習の基礎的知識を前提とします。
・画像認識には深入りしません（できません）。