基本情報
- 定員: 8 名
- 実施時期: 秋学期 ABC モジュール
- 実施場所: 春日エリア・7C202 (実習室 III)
担当教員・TA
担当教員: 金森由博 (kanamori@cs.tsukuba.ac.jp, 内線 5248, 理科系修士棟 B 棟 523)
TA: 金森の研究室の修士課程の学生 1 名 (予定)
実験テーマを設定した経緯
コンピュータサイエンスの分野では深層学習 (deep learning) を中心とした機械学習が幅広い分野で利用され、もはや当たり前のように普及しつつあります。本実験を担当する金森の専門分野である、コンピュータグラフィックス (CG) や画像処理の分野でも同様で、研究を行う上で深層学習の知識・経験は必須になろうとしています。一方で、情報メディア創成学類の 3 年生までの教育内容では実際に深層学習をプログラミングまで含めて体験する機会はほぼ提供されておらず、学類までの教育内容と研究レベルの乖離が深刻になっています。そこで 2019 年度より、CG や画像処理を対象とし、4 年生からの研究活動を見据えた、深層学習に関する実験を始めることにしました。
実験の目標 (2019/4/12 時点)
- 深層学習に関する基礎的な知識を身につける。
- 主に教師あり学習を対象として、学習タスクの選定、ネットワークモデルの構築、データセットの構築、訓練 (学習)、評価など一通りの実験を経験する。
- 研究活動で必須の能力である、未知の内容を自ら調べ、実験し、考察を通じて理解を深める姿勢を身につける。
実施内容の概略 (予定)
- 使用言語・ライブラリ: Python, Chainer or PyTorch
- 実行環境: Google Colaboratory
- 教材: オンライン教材 (例: Chainer チュートリアル) や各種オンライン記事や論文、書籍 (よい書籍が見つかれば 1 人 1 冊貸与する可能性あり)
- 内容: 前半で基礎を学び、後半で実践。
実験の進め方 (予定)
1. 基礎知識・技能の習得
- 機械学習や深層学習についてのキーワードについて各自調べ、レポートを提出。
- Python や OpenCV, numpy, scikit-learn などのライブラリについての基本的なプログラミングを体験し、ソースコードを提出。
2. 深層学習についての基礎知識・技能の習得
- CG や画像処理分野においてどのような学習タスクがあるのか、またそのタスクで用いられているネットワークモデル、データセット、訓練方法、評価方法について、座学 (担当教員 or TA による講義) と参考資料を基に学ぶ。
- 実際に深層学習のライブラリと既存のソースコードを動かしてみて、深層学習を体験してみる。
3. 自分の学習タスクの設定
残りの実験で自分が取り組みたい学習タスクを設定し、ネットワークモデル、データセット、訓練方法、評価方法について計画を立て、各自がその内容についてプレゼンする。プレゼン資料は提出。学習タスクの新規性は問わない (既存の学習タスクを設定してもよい) が、ユニークなタスクや高度なタスクを設定すれば高評価。
4. 実験・経過発表・最終発表
自分で設定した学習タスクを遂行する。2〜3 回程度、途中経過を発表する機会を設け、各自がプレゼンする。実験の最終回までに最終成果についてプレゼンする。実験期間終了後、レポートを提出。
最終更新: 2019/4/12