BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:DeepLearningを用いた生成モデルの研究トレンド
 を論文とPyTorch実装で俯瞰するセミナー
X-WR-CALNAME:DeepLearningを用いた生成モデルの研究トレンド
 を論文とPyTorch実装で俯瞰するセミナー
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:757861@techplay.jp
SUMMARY:DeepLearningを用いた生成モデルの研究トレンドを論
 文とPyTorch実装で俯瞰するセミナー
DTSTART;TZID=Asia/Tokyo:20191129T200000
DTEND;TZID=Asia/Tokyo:20191129T220000
DTSTAMP:20260408T204855Z
CREATED:20191104T141555Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/75786
 1?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n内容概要\n
 生成モデルへのDeepLearningの導入を行なったGenerative Adver
 sarial Network[2014]\n関連の研究を論文とPyTorch実装を元に
 確認していきます。\n実装としては基本的にGeneratorとDi
 scriminatorのlossを作り交互に最適化を行っている\nので
 すが、この辺の理解が論文の数式と結びつくようにで
 きればと思います。\n\nhttps://github.com/eriklindernoren/PyTorch
 -GAN\n実装については今回は多くの題材を見れればとい
 うことで、著者実装ではないと思われますが\n上記の
 リポジトリをベースで確認していきます。\n厳密さよ
 りも研究トレンドの流れを掴んでいくのを今回のメイ
 ンの目標とできればと思います。\n\nハンズオンについ
 ては行わない予定ですが、実装は上がっているような
 ので適宜試して\nいただけたらと思います。\n\n\n\n開催
 日程\n11/29（金）\n受付： 19:50〜20:00\n講義： 20:00〜22:00\
 n\n※ 途中5分ほどの休憩を設ける予定です。\n※ 19:40よ
 り前の入室は原則としてお断りします。\n\n\n\nアジェ
 ンダ\n1. 生成モデルの事前知識(30分)\n　　生成モデル
 と確率分布\n　　Generative Adversarial Network[2014]\n　　敵対
 的学習とmini-max法\n　　学習の実装のイメージ\n　　Deep
  Convolutional Generative Adversarial Network[2015]\n\n2. 派生研究の
 論文と実装の紹介(70分)\n　　Conditional Generative Adversarial
  Nets[2014]\n　　Pix2Pix[2016]\n　　Unpaired Image-to-Image Translati
 on using Cycle-Consistent Adversarial Networks(CycleGAN)[2017]\n　　Aux
 iliary Classifier Generative Adversarial Network[2016]\n　　StarGAN: Un
 ified Generative Adversarial Networks for Multi-Domain Image-to-Image Tra
 nslation[2017]\n　　Wasserstein GAN[2017]\n　　BiCycle GAN[2017]\n\n
 　　↓参考記事\n　　https://lib-arts.hatenablog.com/entry/img_tr
 ans_trend1\n　　https://lib-arts.hatenablog.com/entry/generative_dl1\n\
 n3. まとめ(10分)\n※ 全体の流れは変えませんが、細か
 い時間配分は内容踏まえて変更する可能性があります
 。\n\n\n\n会場\n水道橋駅、神保町駅、九段下駅周辺\n千
 代田区西神田2-7-14 YS西神田ビル2F\n\n\n\n対象者\n・AlexNet
 、VGGNet、ResNetなどの画像分類については理解している
 方\n・PyTorchの概要は理解している方\n→ 自信のない方
 は、「当日までの準備」に記載した内容を確認してき
 てください。\n・DeepLearningを用いた生成モデルの研究
 トレンドに興味のある方\n\n\n\n講師プロフィール\n東大
 工学部卒。\nデータ分析/AI開発の仕事の経験は7年ほど
 で、理論/開発/ビジネスのどれも経験があり強い。\nま
 た、多くの業界のプロジェクトに関わったためドメイ
 ン知識も豊富。\n初心者向けの指導実績も多く、1\,000
 名近い。\n\n\n\n当日までの準備\n各トピックに関連して
 自信のない方は下記を確認してきてください。\n・画
 像認識の基本トピック（AlexNet、VGGNet、ResNetなど）\nhttp
 s://lib-arts.hatenablog.com/entry/paper1_AlexNet\nhttps://lib-arts.hatena
 blog.com/entry/paper2_VGGNet\nhttps://lib-arts.hatenablog.com/entry/paper
 3_ResNet\n\n・PyTorchの概要\nhttps://lib-arts.hatenablog.com/entry/im
 plement_dl8\nhttps://lib-arts.hatenablog.com/entry/implement_dl9\nhttps:/
 /lib-arts.hatenablog.com/entry/implement_dl10\nhttps://lib-arts.hatenablo
 g.com/entry/implement_dl11\n\n\n\n費用\n4\,000円（2h）\n\n※\n・
 領収書発行の際は事務手数料として追加1\,000円のお支
 払いをよろしくお願いいたします\n\n\n\n定員\n10名（人
 数に合わせて調整します、別媒体でも募集しています
 ので申し込み人数は当日参加者数を\n反映しません。
 ）\n\n\n\nご参加にあたってのお願い\n無断欠席や前日以
 降のキャンセルに関しては当日人数読めなくなり非常
 に迷惑なので\n基本的に行わないようにお願いします
 。（直前参加は定員的に問題なければ歓迎です！）\n
 体調不良、職務都合、ご家庭の事情などどうしてもの
 ケースは別途ご連絡いただくか、\nイベントへのお問
 い合わせよりご連絡いただけますと嬉しいです。\n上
 記がひどいアカウントに関してはブラックリスト処理
 を行い以後の参加をお断りさせて\nいただきますので
 、その点だけ予めご了承ください。\n（7割以上来れる
 前提でのお申し込みと前日以降のキャンセルはメッセ
 ージでのご連絡を\nいただくということだけ気をつけ
 ていただければ大丈夫だと思います）\n\nモチベーショ
 ンの高い参加者の方を重視する運営としていきたいと
 考えています。\nご協力のほど、よろしくお願いいた
 します。\n
LOCATION:水道橋駅周辺 千代田区西神田2-7-14 YS西神田ビル2F
URL:https://techplay.jp/event/757861?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR