「IoT環境における知的情報処理技術②」を開催しました(7月18-19日)
2020年 8月 28日
本レポートでは、「 IoT環境における知的情報処理技術 」2日目の講義内容を紹介します。
2日目の講義は、前半に、深層学習を理解する上で基盤となる深層学習の原理や、画像認識分野を中心に幅広く利用されている「 畳み込みニューラルネットワーク 」について学びました。後半は、PyTorchの使い方を学習後、PyTorchを用いてニューラルネットワークを実装し、手書き数字の画像データ(MNIST)の学習と解析を行いました。
講義内容
● 深層学習(2)
・ニューラルネットワークの学習 ・損失関数(2乗誤差、交差エントロピー誤差) ・勾配降下法
● 深層学習(3)
・誤差逆伝搬法 ・計算グラフ ・誤差逆伝搬法による勾配の求め方 ・畳み込みニューラルネットワーク
● PyTorch演習
・PyTorchの使い方
・PyTorchを用いたMNIST手書き文字認識( ニューラルネットワークの実装、訓練、テスト )
スタッフ&受講者コメント
■ 講義内容について
2日間の講義を通して、深層学習は、注目度が高く、進化がとても速い技術である一方、歴史的な背景や基礎となるニューラルネットワークをしっかり理解することの大切さを学びました。本講義では、深層学習の歴史的な背景を把握しながら、基礎となるニューラルネットワークを理解し、さらに、演習を通し、実際に活用する時の手法やノウハウを学ぶことができます。受講者の皆様から、講義内容について、下記コメントをいただきました。
・IoT環境というタイトルでしたが、実際には機械学習や深層学習の内容が中心で、今まで理解できていなかったことを理解できて、とても良かったです。
・深層学習に求められる数学知識が理解できたことが良かったです。
本講義は、受講者に、深層学習についてとてもわかりやすく理解してもらう点に重点をおかれているので、はじめて深層学習を学ぶ方、企業での研究開発業務に従事されている方、あるいは今後従事される予定の方、そして、新人技術者の方にもおすすめです!
■ 演習について
今回の講義は、オンラインでPyTorchを用いた演習を行いました。オンラインで演習を行う講義の場合、機器トラブルやエラー発生時、どのように解決したらよいのか不安に思われている方が多くおられます。本講義では、Zoomのブレイクアウトルームを質問コーナーとして活用し、さらに、愛媛大学の大学院生にTAとして講義に参加いただき、受講者の演習サポートを行いました。受講者の皆様から、以下のようなコメントを多数いただきました。
・ブレイクアウトルームで個別の相談ができて良かったように思います。
・ブレイクアウトルームがあり非常に助かりました。おかげでスムーズに問題解決することができました。
本講義は、愛媛大学の「 IoT・AI技術の社会人向け講座 」でも受講できます。詳しくはこちらをご覧ください。