講座の概要と目的 / outline and objectives
初学者を対象としたディープラーニング（深層学習）の概論的な講座です。基礎的な知識を身に着けていただくことを目的としています。G検定（日本ディープラーニング協会）の対策等にお役立てください。講座は全回、短い動画で構成されています。ニコニコ動画の「心理学をもっと身近に」チャンネルへの会員登録で、すべての動画の全編をご覧いただけます。
動画一覧 / contents list
人工知能（AI）とは（人工知能の定義）
- G検定はt検定の一法？（一問一答で学ぶDL）*
- ディープラーニングが注目された契機
- 第１次ブームと第２次ブーム
- 第３次AIブーム
- ディープラーニングと機械学習
- 機械学習のアルゴリズム
- CNN、RNNは機会学習のアルゴリズム？
人工知能分野の問題
- エキスパートシステムは実用困難？
- トイプロブレムは第一時AIブーム終焉のきっかけ？
- 人工知能の完成を判断するテスト
- ジョン・サール？
- フレーム問題は、AI研究の最大の難問？
- シンボルグラウンディング問題
- 機械翻訳の変遷
- 特徴量とは？
- 特徴表現学習？
- シンギュラリティはいつ起こる？
ディープラーニングの概要
- ディープニューラルネットワークのディープとは？
- 畳み込みニューラルネットワークの略称
- 畳み込み層は抽出された特徴にロバスト性を与える？
- 機械学習におけるニューラルネットワークの意味
- 隠れ層の役割
- 単純パーセプトロン
- 誤差逆伝播法
- 誤差のフィードバックとシグモイド関数
- オートエンコーダの別称
- オートエンコーダの層
- オートエンコーダにおける入出力
- オートエンコーダにおけるエンコードとデコード
- 積層オートエンコーダ
- オートエンコーダはラベルを出力できない？
- 積層オートエンコーダの最後の層
- GPGPU
- バーニーおじさんのルール
ディープラーニングの研究分野
人工知能をめぐる動向
- 現在、導入されているAIの多くは、強いAI?
- 文章読解で人間の成績を上回る？
- 重機とディープラーニング
- 探索木における幅優先探索
- Mini-Max法とαβ法
- モンテカルロ法はブルートフォース？
- 人工知能の意味ネットワークの起源
- 人工無能
機械学習の具体的手法
- 機械学習が対象とする課題
- 強化学習は入出力の関係性を学習？
- 過去の売上から将来の売上を予測するには、教師あり学習？
- 教師あり学習の分類問題？
- 教師あり学習および教師なし学習の教師とは？
- 機械学習の手法の序列
- 教師あり学習の手法
- シグモイド関数を線形変換すると、tanh関数？
- 交差検証
- ホールドアウト検証の課題
- 訓練データをさらに分割して、検証データ？
- 機械学習の評価指標における適合率
- 機械学習の評価指標における再現率
ディープラーニングの手法
- 高度な処理能力をもつコンピュータは不要？
- ReLU関数
- ReLU関数でxが0以下の場合
- 機械学習の手法が目指すもの
- オーバーフィッティング
- ノーフリーランチ定理
- 数値データと画像データの違い
- CNNと画像データ
- CNNの大元になっているアプローチ
- 複雑型細胞の役割
- バッチ正規化
- 福島邦彦とコグネオニトロン
- CNNにおける全結合層
- 手元にあるデータから別のデータを生成？
- データから時間依存性を学習
- 過去の隠れ層と現在の隠れ層
ディープラーニングの応用に向けて
*無料公開中です。