講座の概要
  • コースを始めるにあたって
  • ソニーNNCとは
  • 学習のヒント
  • 各セクションの概要
人工知能入門
  • 第三次人工知能ブーム
  • 機械学習
  • ニューラルネットワーク
  • 深層学習
  • 機械学習についての問題
深層学習の実装
  • プログラミング言語
  • 深層学習のライブラリ
  • ライブラリに関する問題
NNCを使ってみる
  • NNCとは何か
  • アプリ版の設定
  • GUIの説明
  • サンプルの実行
  • NNCの基本機能
  • 損失関数
ニューラルネットワーク
  • MNISTとは
  • サンプルの解説
  • サンプルの起動
  • 評価結果の確認方法
  • 評価結果の保存方法
  • 勾配降下法
NNCの操作方法
  • プロジェクトの作成・レイヤーの配置
  • レイヤーのプロパティ
  • レイヤーの追加
  • 効率的なレイヤー構築方法
  • Actionボタン
  • ショートカットキー
オリジナルプロジェクト①(4と9の判別)
  • プロジェクトの作成
  • レイヤーの編集
  • 学習用・評価用のデータのセット
  • 学習と評価
  • 活性化関数
  • レイヤーの構成
  • Inputレイヤー
  • Affineレイヤー
  • Sigmoidレイヤー
  • BinaryCrossEntropyレイヤー
オリジナルプロジェクト②(アヤメの分類)
  • アヤメの分類とは
  • ニューラルネットワークの構築
  • 学習から評価まで
  • プロジェクトの改良
オリジナルプロジェクト③(0~9の分類)
  • プロジェクトの概要
  • プロジェクトの作成
  • データセットの設定
  • 学習と評価
  • CONFIGタブについて
  • Global Config
  • Optimizer
  • Monitor
  • Executor
自己符号化
  • 自己符号化とは何か
  • プロジェクトの実行
  • 出力結果の確認
  • 自己符号化の応用技術
CNNの実装①(4と9の判別)
  • CNNの構造
  • CNNの重みの更新
  • 4と9の分類をするCNNのサンプル
  • 学習と評価
CNNの実装②(0~9の判別)
  • プロジェクトの作成
  • 学習と評価
  • ニューラルネットワークの改良
  • LeNet
  • LeNetのサンプル
RNN入門
  • RNNとは何か
  • シンプルRNN
  • LSTM
  • GRU
  • RNNの応用技術
RNNの実装①(シンプルRNN)
  • シンプルRNNの実装①(レイヤー構造)
  • シンプルRNNの実装②(処理の流れ)
  • elman_netプロジェクトの実行
  • BiRNNの実装
  • bidirectional_elman_netプロジェクトの実行
  • Attention
  • elman_net_with_attentionプロジェクトの実行
  • Idenitityレイヤーによる出力画像の確認
RNNの実装②(LSTM)
  • LSTMのサンプル
  • long_short_term_memory(LSTM)プロジェクトの実行
RNNの実装③(GRU)
  • GRUのサンプル
  • GRUプロジェクトの実行
様々なデータセット