第一回TensorFlowと機械学習に 必要な数学を基礎から学ぶ会発表資料

第一回の発表資料です

Transcript

1. TensorFlowと機械学習に 必要な数学を基礎から学ぶ会 浅川伸一 東京女子大学 tensorflow.ja@gmail.com 日比谷文化図書館セミナールームA 2016年9月29日19:00 -21:30
2. 09/17/2016 2 /13 本日の内容 1. 自己紹介 2. 環境の確認 3. Udacity への登録 4. 進め方についてのご相談 5. 実習
3. 3/13 09/21/16 自己紹介 浅川伸一 東京女子大学 情報処理センター勤務。早稲田大学在学時 はピアジェの発生論的認識論に心酔する。卒業後エルマンネットの考 案者ジェフ・エルマンに師事，薫陶を受ける。以来人間の高次認知機 能をシミュレートすることを目指している。知的情報処理機械を作るこ とを通して知的情報処理とは何かを考えたいと思っている。著書に Python で実践する深層学習（ 2016) コロナ社 . ディープラーニング， ビッグデータ，機械学習 --- あるいはその心理学 (2015) 新曜社。 「ニューラルネットワークの数理的基礎」「脳損傷とニューラルネット ワークモデル，神経心理学への適用例」いずれも守一雄他編 コネク ショニストモデルと心理学 (2001) 北大路書房などがある
4. 4/13 09/21/16 師匠ジェフ・エルマンとUCSDキャンパス内 2002年ころ
5. 09/17/2016 5 /13 ←2016年 2015年→
6. 09/17/2016 6 /13 1. 最近のAI研究の特徴 1. 畳み込みニューラルネットワーク 2. リカレントニューラルネットワーク 3. 強化学習
7. 09/17/2016 7 /13 1. 最近のAI研究の特徴 1.畳み込みニューラルネットワーク – 人間超え 2.リカレントニューラルネットワーク 3.強化学習 2010 2011 2012 2013 2014 2015 開催年 0 0.05 0.1 0.15 0.2 0.25 0.3 予測誤差 人間の成績=0.051 0.282 0.258 0.164 0.117 0.067 0.036
8. 09/17/2016 8 /13 1. 最近のAI研究の特徴 1.畳み込みニューラルネットワーク 2.リカレントニューラルネットワーク – SOTA（LSTM, 機械翻訳，対話生成，画像文章相互変 換，etc） 3.強化学習
9. 09/17/2016 9 /13 1. 最近のAI研究の特徴 1.畳み込みニューラルネットワーク 2.リカレントニューラルネットワーク 3.強化学習 – 人間超え AlphaGO From ``Mastering the game of Go ith deep neural networks and tree search’’ (2016)
10. 09/17/2016 10 /13 1. 最近のAI研究の特徴 ４つの要因 1.計算 (ムーアの法則，GPUs, ASICs), 2.データ (e.g. ImageNet), 3.アルゴリズム (e.g. バックプロパゲーション, CNN, LSTM), and 4.基盤 (Linux, TCP/IP, Git, ROS, PR2, AWS, AMT, TensorFlow, etc.). http://karpathy.github.io/2016/05/31/rl/
11. 09/17/2016 11 /13 環境構築 1.Linux 2.MacOS 3.Windows 10 (Docker)
12. 09/17/2016 12 /13
13. 09/17/2016 13 /13 Udacity への登録 1.Google 作成の TensorFlow 入門コース https://www.udacity.com/course/deep-learn ing--ud730 2.上の日本語訳ニコニコ動画 小学生でも分かる深 層学習 http://www.nicovideo.jp/watch/sm28230856