※ 適宜休憩が入ります。
1. 歴史と最新動向の両面から学ぶディープラーニング基礎知識
1.1 演習環境確認
1.2 ディープラーニング基礎知識の確認
1.3 画像認識のための深層学習の研究動向
1.4 時間軸と言語処理
1.5 ディープラーニングの現場適用事例紹介
2. チューニングワークショップ
2.1 実習環境とツールの操作方法解説
2.2 中間層とノード数の関係
2.3 特徴量/ノードの多さと中間層の深さの関係
2.4 活性化関数の選択と収束性の関係
2.5 正則化の効果
2.6 ミニバッチ学習と収束性の関係
2.7 ノイズを加えたデータのロバスト性
3. DLツール比較・デモ
3.1 各種ディープラーニングツール(Caffe、TensorFlow、keras、theano、Chainerなど)
3.2 ディープラーニングライブラリ各論
3.3 実際の開発ツールを用いた画像認識デモ