ディープラーニングとパターン認識、最先端の人工知能へ

ディープラーニングは複数の層が積まれた、多層構造のネットワークを用いて、巧みに機械学習するための技術です。 　本セミナーは、基礎的な背景を含めて、ディープラーニングと触れ合うための最低限の知識習得を第一の目標としています。何故、ディープラーニングが出てきたのか、そして、何故ディープラーニングが凄いのか。それらの“何故”に出来るだけ答えていくことが本講演の最終的な目標です。 　ディープラーニングや人工知能に興味があるけれども、その正体がよく分からなくて困っている方々や、多少聞きかじっているけれど、そこを超えてもっと奥の真実を知りたい方々を主な対象としています。

1. 機械学習とは何か?
   1. 機械学習が目指すもの
   2. 機械はデータから知識を獲得する
   3. 機械学習の種類
      1. 教師あり学習
      2. 教師なし学習
      3. 教師なし学習と人工知能
2. ディープラーニングへの道
   1. ニューラルネットワークの基礎
      1. 単純パーセプトロン ～機械学習の事始め～
      2. フィードフォワードニューラルネットワーク
      3. 誤差逆伝播法
      4. ニューラルネットワークの第一技術限界
   2. ディープラーニングに用いられるニューラルネットワークのしくみ
      1. 事前学習という考え方
      2. 自己符号化器は情報を圧縮する
      3. 積層自己符号化器がディープラーニングの雛形
      4. 表現学習という言葉 ～特徴量の抽出と学習～
      5. 一言で言うと、ディープラーニングは○○をしている!
      6. 畳み込みニューラルネットワーク (CNN) のしくみ
      7. 何故CNNが凄いのか? ～CNNの使いどころ～
3. 本講演の締めくくり ～ディープラーニングのちょっとしたデモを添えて～
   1. 画像データセットをディープラーニングしてみた
      1. 自動獲得されるフィルタ
      2. 学習された表現が組み込まれている場所
   2. さらに深めるための技術
      1. 層を積むほど性能は上がるのか?
      2. 正則化技術 ～過適合は最悪のアプリを導く～
      3. ディープラーニングの最新技術
   3. 本講演のまとめ