スクラッチから始めるAI入門：多層ニューラルネット編
What you'll learn
- 深層学習につながる多層ニューラルネットの基本的な仕組みを合計22分のレクチャで中学程度の数学を使ってコンパクトに学べます。
- ていねいな説明付きのハンズオンに近いビデオを元に、プログラミング未経験者や初心者が多層ニューラルネットを自分で作れるようになります。
- Scratchなどのブロック・プログラミングで始めるため、予備知識なしにプログラミングの基礎を容易に身につけることができます。
- 作ったブロック・プログラムからPythonのプログラムを自動生成して実行することができます。
- 作った多層ニューラルネットのプログラム（Snap!およびPython）では、層数やニューロン数を自由に指定できるので、様々な実験をすることができます。
Requirements
- ブラウザの操作や（メモ帳などでの）テキストの編集。
- インターネット接続とブラウザ（Windows、Mac OS、Linux、iOS、AndroidなどOSは問わず）。
- ブロック・プログラミングは予備知識なしで大丈夫です。
- テキスト・プログラミングでPythonを使いますが、予備知識なしでも理解できるように説明します。
- 中学での数学の知識で理解できる数式を使います。ニューラルネットの動作の説明で「導関数」が出てきますが、微分の知識なしでも理解できるように説明します。
Description
深層学習（ディープ・ラーニング）に使われている多層ニューラルネットの基本的な仕組みを理解し、予備知識なしで取り組めるScratchなどのブロック・プログラムでニューラルネットを組んで実行します。
そこからテキスト・プログラミング言語Pythonのプログラムを自動生成し改良することで、Pythonでの多層ニューラルネットのプログラムをつくります。
簡単な論理演算などの例、Irisデータセットでの分類問題の例などを通して、作成したニューラルネットの学習の様子と仕組みを理解するとともに、応用への道筋を展望します。
使うプログラムは全てブラウザ上で実行可能で、ダウンロードも可能です。
作成したプログラムを、インターネット接続なしブラウザなしで編集や実行のできる方法をも紹介しています。
Who this course is for:
- AIで多用されているニューラルネットとその基本的な考え方や手法及び応用に興味のある方。
- プログラミング未経験者や初心者でも、実際にニューラルネットのプログラムを実行して試してみたい方。
- ScratchやSnap!などのブロック・プログラミングでニューラルネット・プログラミングの基本を学びたい方。
- Pythonでのニューラルネット・プログラミングの基本を試したい方。
Course content
- Preview01:54
- Preview01:12
- Preview01:14
- Preview01:53
Instructor
![Toshiteru Homma](data:image/svg+xml,%3Csvg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 64 64"%3E%3C/svg%3E){kind=avatar}
- 3.2 Instructor Rating
- 43 Reviews
- 666 Students
- 2 Courses
Professional Activities:
•Director, Yamagata1(NPO),
•Associate staff, Baron-Charms International Services, Seattle, USA,
•Lecturer, Tohoku University of Art and Design, Yamagata, Japan,
•Lecturer, Yamagata University, Yamagata, Japan,
•Member of MPEG (ISO/IEC JTC1/SC29/WG11),
•Senior researcher, The Research Institute of Technologies, Toppan Printing Co., Ltd., Japan.
Education:
•Connectionist Summer School at CMU, USA,
•Doctoral program in Electrical Engineering, University of Washington, Seattle, USA,
•Master of Science in Bioengineering, Clemson University, Clemson, South Carolina, USA (Rotary Int’l Scholarship),
•Master of Science in Electrical Engineering, Yamagata University, Japan,
•Bachelor of Engineering in Electronics, Yamagata University, Japan,
•Traineeship through IAESTE (the International Association for the Exchange of Students for Technical Experience).
Udemyにおいては、これまでに得た知識を活用して、AI、特に、深層学習に関わるコースを開発中。深層学習との関わりは、NIPS（Neural Information Processing Systems）学会への論文提出、カーネギー・メロン大学でのコネクショニスト・サマー・スクールへの参加（講師にHinton氏、Rumelhart氏、LeCun氏、Lakoff氏他）などを経たニューラルネットの研究が始まり。提出した論文では、モデル・ニューロンの「積和」の部分を「畳み込み」に置き換えた「ダイナミック・ニューロン」により時空間での動的入力に対応したニューラルネットとその学習方法について提案し、音素認識へ応用した。（論文は、Wikipediaの「ニューラルネットワーク」の歴史の項目の引用リンクから閲覧可能。）
日本で電子工学（学士号）、電気工学（修士号）、米国で生体工学（修士号）、電気工学（博士課程コース単位満了後中退）を専攻。凸版印刷総合研究所にて主任研究員として、画像情報処理、動画像圧縮、多視点画像からの3次元物体復元などの研究に従事。DVDや地上デジタル放送に使われている映像圧縮の国際標準規格MPEG-2の国内／国際委員会に参加。Requirementsグループにて標準化仕様への貢献、多視点映像圧縮プロファイル（MVP）の提案、実験に関わり、アドホック・グループの議長を務めた。その他、カラーファックス委員会他の国内委員会に参加。
東北芸術工科大学、山形大学の非常勤講師。NPO団体Yamagata1理事。