【輪読&実装会】PyTorchによる発展ディープラーニング | 新宿 and オンライン

2022/09/10(土)14:00 〜 15:45 開催

ブックマーク

Ubuntu, AWS, Jupyter

イベント内容

この会について

モチベーションが維持できない……
書籍の難易度的に独力では突破できない……
興味を持って書籍を買ったものの、きっかけを掴めず積んだまま……
独学での継続的なITの勉強はやってみると、結構しんどかったりします。

この会はエンジニア同士で集まり、わからない点を教えあいながら、
時に雑談しつつ肩の力を抜いて行う勉強会です。

参考書籍の分野がご専門の方も、初学者の方も、非エンジニアの方も、
お気軽にご参加いただければと思います。

以下、公式書籍紹介より抜粋。

ディープラーニングの発展・応用手法を実装しながら学ぼう
本書ではディープラーニングの発展・応用手法を実装しながら学習していきます。ディープラーニングの実装パッケージとしてPyTorchを利用します。扱うタスク内容とディープラーニングモデルは次の通りで「ビジネスの現場でディープラーニングを活用するためにも実装経験を積んでおきたいタスク」という観点で選定しました。

本書は第1章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。各ディープラーニングモデルは執筆時点でState-of-the-Art（最高性能モデル）の土台となっており、実装できるようになればその後の研究・開発に役立つことでしょう。
ディープラーニングの発展・応用手法を楽しく学んでいただければ幸いです。

(マイナビ出版 書籍紹介より抜粋)

感染症対策について

勉強会中は感染症対策のため、常にマスクの着用をお願いします。
また、会場にはアルコール消毒液を用意するので入場時にご利用をお願いします。
以下の条件に当てはまる方は参加をご遠慮いただくことがございます。
あらかじめご了承ください。

発熱、咳、倦怠感などの症状がある方
濃厚接触者と判定され、待機期間にある方
その他、体調がすぐれない方

タイムテーブル

時間	内容
14:00~	開場
14:05~	自己紹介、雑談
14:10~	第1章　画像分類と転移学習（VGG）第2章　物体検出（SSD）
~15:30	質疑応答
15:45	閉場

開催スケジュール

隔週で開催予定です。
勉強会の進行や感染者数状況などを踏まえ、スケジュールを変更する場合があります。
ご了承ください。

日付	内容
9/10(土) 11:30~	第1章　画像分類と転移学習（VGG）第2章　物体検出（SSD）
9/24(土) 11:30~	前回の続き第3章　セマンティックセグメンテーション（PSPNet）
10/8(土) 11:30~	前回の続き第4章　姿勢推定（OpenPose）

GIB-Tokyo-Engineer-community

資料共有などはこちらのSlackを通して行います。
勉強会の前に事前にご登録いただけると助かります。

この勉強会では「study_meetup」というチャンネルを使用します。
勉強会についての質問はこちらからお願いします。
https://join.slack.com/t/gibtokyoengin-bez1649/shared_invite/zt-g17x1gbp-yw15YQQZ_PThEv9~y5Lcqg

上記で気づかないこともあるので、その場合は直接メールください。
宮本
miyamotok0105@gmail.com

人工知能系の勉強会(Facebookグループ)

人工知能やデータサイエンスに関する情報を毎日発信中。
お気軽にご参加ください！
Link :人工知能系の勉強会

参考書籍

つくりながら学ぶ！
PyTorchによる発展ディープラーニング

ディープラーニングの発展・応用手法を実装しながら学ぼう
本書ではディープラーニングの発展・応用手法を実装しながら学習していきます。ディープラーニングの実装パッケージとしてPyTorchを利用します。扱うタスク内容とディープラーニングモデルは次の通りで「ビジネスの現場でディープラーニングを活用するためにも実装経験を積んでおきたいタスク」という観点で選定しました。

［本書で学習できるタスク］
転移学習、ファインチューニング：少量の画像データからディープラーニングモデルを構築
物体検出（SSD）：画像のどこに何が映っているのかを検出
セマンティックセグメンテーション（PSPNet）：ピクセルレベルで画像内の物体を検出
姿勢推定（OpenPose）：人物を検出し人体の各部位を同定しリンク
GAN（DCGAN、Self-Attention GAN）：現実に存在するような画像を生成
異常検知（AnoGAN、Efficient GAN）：正常画像のみからGANで異常画像を検出
自然言語処理（Transformer、BERT）：テキストデータの感情分析を実施
動画分類（3DCNN、ECO）：人物動作の動画データをクラス分類

本書は第1章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。各ディープラーニングモデルは執筆時点でState-of-the-Art（最高性能モデル）の土台となっており、実装できるようになればその後の研究・開発に役立つことでしょう。
ディープラーニングの発展・応用手法を楽しく学んでいただければ幸いです。


実装環境
・読者のPC（GPU環境不要）、AnacondaとJupyter Notebook、AWSを使用したGPUサーバー
・AWSの環境：p2.xlargeインスタンス、Deep Learning AMI（Ubuntu）マシンイメージ（OS Ubuntu 16.04|64ビット、NVIDIA K80 GPU、Python 3.6.5、conda 4.5.2、PyTorch 1.0.1）


(マイナビ出版 書籍紹介より抜粋)