ラビットチャレンジ 受講時のメモ E検定

目次

• 1-1

実装演習レポート要件

• 以下項目それぞれ100文字以上で要点のまとめ（レポートは講義本筋に沿ってまとめてあるかを確認）
• 実装演習結果、確認テストについての自身の考察をまとめる

応用数学

1. 線形代数
2. 確率・統計
3. 情報理論

機械学習

1. 線形回帰モデル
2. 非線形回帰モデル
3. ロジスティック回帰モデル
4. 主成分分析
5. クラスタリング
6. k-近傍法
7. サポートベクターマシン

深層学習Day1

1. 入力層〜中間層
2. 活性化関数
3. 出力層
4. 勾配降下法
5. 誤差逆伝播法

深層学習Day2

1. 勾配消失問題
2. 学習率最適化手法
3. 過学習
4. 畳み込みニューラルネットワークの概念
5. 最新のCNN
6. フレームワーク演習

深層学習Day3

1. 再起型ニューラルネットワークの概念
2. LSTM
3. GRU
4. 双方向RNN
5. Seq2Seq
6. Word2vec
7. Attention Mechanism
8. VQ_VAE
9. フレームワーク演習_双方向RNN_勾配のリッピング
10. フレームワーク演習_Seq2Seq
11. フレームワーク演習_データオーギュメンテーション
12. フレームワーク演習_活性化関数
13. フレームワーク演習_RNN_LSTM実装

深層学習Day4

1. 強化学習
2. 強化学習時例_AlphaGo
3. 深層学習の軽量化・高速化技術
4. 深層学習の応用技術
5. 画像認識の実践-ResNet
6. 画像認識の実践-EfficientNet
7. 物体検知・セマンティックセグメンテーションの実践 - YOLO・SSD・FCOS・SS
8. インスタンス・セグメンテーションの実践-MASK R-CNN
9. 自然言語処理の実践-Transformer
10. 自然言語処理の実践-BERT
11. 自然言語処理の実践-GPT
12. 音声分析基礎
13. 音声認識-CTC
14. 生成モデル-GAN/DCGAN/ConditionalGAN
15. 生成モデル-Pix2Pix
16. 深層強化学習-A3C
17. 深層学習関連研究-距離学習
18. 深層学習関連研究-MAML
19. 深層学習関連研究-GCN
20. 深層学習の説明力-Grad-CAN_LIME_SHAP
21. 深層学習開発環境-Docker