本勉強会の内容と目的

Ian Goodfellow, Yoshua Bengio, Aaron Courville 著の『DeepLearning』の英語原文を数回に分けて毎回輪読形式で読み進めて行きます。 ディープラーニングの基礎についてじっくりと理解を深め、英語の原文を読みこなす力を身につけることを目的とします。 さらに理解を深めるため、必要があれば本テキスト以外にも他の参考書籍・論文等も適宜援用できればと思います。 テキストは、書籍を購入するか下記のウェブサイトを閲覧するなりしてご自身でご準備ください。 　

http://www.deeplearningbook.org

対象者

ディープラーニングについてより理解を深めたい方

ディープラーニングに関する英語の原文を読みこなしたい方

持ち回りで発表を担当してくださる方

※初心者・上級者、社会人・学生の別は問いません。

開催日時・参加費・定員

︎開催日時（※２回目以降は日程変更の可能性があります）

第１回：2018年11月8日（木）19:30〜21:40

第２回：2018年11月22日（木）19:30〜21:40

第３回：2018年12月6日（木）19:30〜21:40

※ 第一・第三木曜日を基本開催日としますが、他の貸切イベント等と重なる場合は変更の可能性があります。

︎参加費：900円（SOLのコワーキング利用料です。）

︎定員：10名

輪読会の進め方

11/8（木）の初回はIntroductionを読み、その場でそれ以降の数回分の担当を決めさせていただきます。 以降、概ね２週間に１回のペースで開催します。 各回担当者を２名決め、もし一人が欠席してももう一人がカバーできるよう配慮します。 テキストの進むペースは参加者の理解度を見て随時調整して行ければと思います。

『Deep Learning』の章構成

Table of Contents

Acknowledgements

Notation

1 Introduction

Part I: Applied Math and Machine Learning Basics

2 Linear Algebra

3 Probability and Information Theory

4 Numerical Computation

5 Machine Learning Basics

Part II: Modern Practical Deep Networks

6 Deep Feedforward Networks

7 Regularization for Deep Learning

8 Optimization for Training Deep Models

9 Convolutional Networks

10 Sequence Modeling: Recurrent and Recursive Nets

11 Practical Methodology

12 Applications

Part III: Deep Learning Research

13 Linear Factor Models

14 Autoencoders

15 Representation Learning

16 Structured Probabilistic Models for Deep Learning

17 Monte Carlo Methods

18 Confronting the Partition Function

19 Approximate Inference

20 Deep Generative Models

Bibliography

Index

その他

Scribble Osaka Lab（SOL）のSlackチャンネルで、自主勉強会の参加者同士の質問・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、申込みフォームのSOLのSlack参加希望にチェックを入れてください。