【オンライン開催!】GAN:敵対的生成ネットワーク勉強会#2
イベント内容
初回は、第3章の内容を確認する予定です。
開催趣旨
本勉強会では、ディープラーニングやGANの実装力を高めていくことを目的とし、毎週1回、下記の本を一章ずつ取り上げていく予定です。事前に予習し、コードを一通り動かしてから参加されることをオススメします。オンライン勉強会では約1時間で、参加者同士の質問・意見交換やディスカッションをメインに進めていく予定です。
『実践GAN(Compass Booksシリーズ) 敵対的生成ネットワークによる深層学習』(Jalub Langr, Vladimir Bok 著・大和田 茂 訳, マイナビ, 2020/2)
※ 書籍はご自身で入手のうえ、ご参加ください。
参加対象者
- TensorFlowやKerasを使ったGANの実装力を高め、業務や研究に活用した社会人・学生・研究者の方
- Pythonの基礎的な文法やJupter Notebook、Google Colaboratoryの基本的な使い方を習得されている方
- オンラインで参加可能な方
参加方法
お申込みいただいた方に、事前にzoomの招待リンクを送付させていただく予定です。
勉強会の進め方
- その日に取り扱う章を前もって各自ご自身で読み進めておいてください。
- 勉強会では、皆で書籍の内容を確認しながら、必要に応じてGoogle Colaboratory等で実際にコードを動かしていきます。
- ポイントごとに立ち止まってzoom、Slack等で疑問点をぶつけ合い、意見交換し、理解を深めていければと思います。
※ 一人が資料準備してきて一方的にレクチャーする形式ではなく、参加者同士インタラクティブにディスカッションしながら進めていきます。
書籍の内容紹介
(参照:https://book.mynavi.jp/ec/products/detail/id=113324)
以下、上記URLの内容紹介から抜粋
「GAN:敵対的生成ネットワークの初歩から理解し実装できる!
GAN(Generative Adversarial Networks):敵対的生成ネットワークは機械学習技術の一種で、2つの分離したニューラルネットワークを使い実物と区別が付かないほどリアルな画像を生成することを可能とします。
本書はGAN:敵対的生成ネットワークを学びたい方のために入門から実装まで、理論を交えつつ解説していきます。本書全体を通じてJupyter Notebookを使い、実装はPython、Kerasで行っていきます。
機械学習とニューラルネットワーク、Pythonプログラミングについてある程度の経験がある方を主な対象読者としており、数学や関しては最小限のものに絞って解説します。
本書の目的は、GANが達成してきたことを理解するための知識と道具を提供し、そこから新しい応用を見つけ作り出す力をつけていただくことです。GANは多くの可能性に満ちていますから、意欲的な方々であれば学術界・実世界に大きなインパクトを与えられることでしょう。
Part 1 GANと生成モデル入門
1章 はじめてのGAN
2章 オートエンコーダを用いた生成モデル
3章 はじめてのGAN:手書き文字の生成
4章 深層畳み込みGAN:DCGAN
Part 2 GANの発展的な話題
5章 訓練とよくある課題:GANをうまく動かすために
6章 プログレッシブなGAN
7章 半教師あり学習
8章 条件付きGAN
9章 CycleGAN
Part 3 ここからどこへ進むべきか
10章 敵対的サンプル
11章 GANの実用的な応用
12章 将来に向けて
」
参加者同士の質問・情報交換
Scribble Osaka Lab(SOL)のSlackワークスペースで、参加者同士の質問・情報共有用チャンネルを設けております。参加ご希望の方は、申込みフォームで招待メール送り先のEmailアドレスをお教えください。
その他
ソレイユデータ道場については、公式HPやFacebookページをご参照ください。
公式HP:http://www.soleildatadojo.com
Facebookページ:https://www.facebook.com/soleildatadojo/
注意事項
※ 掲載タイミングや更新頻度によっては、情報提供元ページの内容と差異が発生しますので予めご了承ください。
※ 最新情報の確認や参加申込手続き、イベントに関するお問い合わせ等は情報提供元ページにてお願いします。
新規会員登録
このイベントに申し込むには会員登録が必要です。
アカウント登録済みの方はログインしてください。
※ ソーシャルアカウントで登録するとログインが簡単に行えます。
※ 連携したソーシャルアカウントは、会員登録完了後にいつでも変更できます。