日本行動計量学会 第22回春の合宿セミナー Bコース「深層学習入門:機械学習の基礎から深層確率生成モデルまで」

日本行動計量学会　第22回春の合宿セミナー　

(本セミナーは国内での新型コロナウイルスの感染拡大と政府からの大型イベント開催に対する注意喚起から開催を検討した結果、中止となりました。セミナー内容は、2020年11月14日（土）－15日（日）に、大阪経済大学で開催を予定している「秋のセミナー」に順延する予定です。）

今年度で第22回目となる日本行動計量学会・春の合宿セミナーを下記の要領で開催します。今回は昨年度に続き，箱根で合宿形式での開催します。講師の先生を中心に、テーマを絞っての学習と深い議論が可能です。
90分×9コマの3日間の集中講義で、広範な内容を専門の講師から体系立てて学ぶことができます。
1コマあたり準会員約450円、正会員約1,500円という有り得ない価格設定でのセミナー開催は、学会主催のセミナーであるからこそ実現できるものと思います。
今年は定員制ですので、申し込み多数の場合には先着順とさせていただきます。どうぞ早めにご参加を検討ください。
自らの学びと研究のため、あるいは、教え方のヒントを掴み教育に活かすために、学生、社会人実務家から教員の皆様まで、幅広くご参加をお待ちしております。
研修所はきれいで清潔、宿泊は個室と環境も抜群です。富士の麓で温泉とおいしい食事を楽しみながら、次の飛躍を目指して3日間集中して学びましょう。

＜基本情報＞

日時：2020年3月27日（金）～ 3月29日（日）（2 泊3 日）

会場：東富士リサーチパーク内TOTO東富士研修所

交通手段：JR 御殿場駅より送迎バスで20 分（無料。事前申込みが必要です）
　　＊行き帰りの送迎バスは参加とは別にお申し込みください。
　　＊タクシーで、御殿場駅―研修所は15分、3,700円ほどです。

住所：静岡県御殿場市柴怒田747-39

参加費:

• 準会員（学生)：4,000 円
• 学生非会員：10,000 円
• 正会員・賛助会員（一般)：14,000 円
• 一般非会員：28,000 円

　・ 宿泊費別途必要です（1泊3食8000円×2＝16,000円）。

　・ 今回、会員申込みをされますと、会員価格が適用されます。（当日会員申込書にご記入・ご提出いただきます。）

　・ 参考：日本行動計量学会年会費　正会員8,000円、準会員5,000円です。 （詳細はhttp://www.bsj.gr.jp/invitation/）

備考：

　・ 各コース　先着順で定員50名を予定。

　・ 宿泊しての参加のみ受付いたします。研修所はきれいで清潔。宿泊は個室です。

　・ 自家用車での来場は禁止です。御殿場駅早乙女口-研修所間は専用送迎バスまたは公共交通機関（タクシー等）を利用してください。

　・ 初日にはWelcomeパーティーがあり、2日目は懇親会が開催されます。新鮮な海の幸・山の幸をお楽しみ下さい。

---------------

Bコース「深層学習入門：機械学習の基礎から深層確率生成モデルまで」
講師：産業技術総合研究所 人工知能研究センター 副研究センター長 麻生英樹

●コースのご紹介

ビッグデータの増大と計算機の発達によって昨今，急激なブームとなっている「人工知能」。
その人工知能を実現するための機械学習，そして，その実装の一手法である深層学習（ディープラーニング）を，第一線の研究者から直接学ぶコースを設けました！
理論を3日間かけて積み上げながら学び，事例によって理解を深めるプログラムとなっています。この絶好の機会を逃さずにご参加を検討ください。

●コース概要

大量の学習用データが利用可能になったことで、画像認識、音声認識、機械翻訳を始めとして深層ニューラルネットワークを用いた学習が高い性能を示すタスクが増えています。
しかし、学習用データの準備、ネットワークの構造の選択、様々な超パラメータの設定など、学習を成功させるためのノウハウも多く、うまく使いこなすのは難しい面もあります。
さらに、最近では、認識や予測用のモデルだけでなく、確率的生成モデルなども盛んに研究されており、深層学習の応用範囲も広がっています。
本セミナーでは、機械学習・深層学習の基礎から最近の深層確率モデルまでを、具体的な事例も含めながら解説したいと思います。

●講義スケジュール（予定）　

　3月27日（金） 　　　

• 16:00～18:00　チェックイン後、自由時間
• 18:00～19:00　夕食
• 19:00～20:30　講義1　導入：機械学習研究の歴史と現状
• 20:30～　　　 ポケットラウンジでのウェルカムパーティ

　3月28日（土） 　　　

•  9:00～10:30　講義2　機械学習の基礎
• 10:40～12:10　講義3　機械学習の応用（Python を使った事例を含む）
• 12:10～13:00　昼食休憩
• 13:00～14:30　講義4　深層学習の基礎
• 14:50～16:20　講義5　深層学習の発展
• 16:30～18:00　講義6　深層学習の応用（PyTorch を使った事例を含む）
• 18:00～20:00　懇親会
• 20:00～　　　ポケットラウンジでの質疑や議論

　3月29日（日） 　　　

• 9:00～10:30　講義7　深層確率モデルの基礎
• 10:40～12:10　講義8　深層確率モデルの応用（Pixyz を使った事例を含む）
• 12:10～13:00　昼食休憩
• 13:00～14:30　講義9　まとめ、今後の課題、質疑など