- 費用
- 55,000円(税込)
- 視聴期間
- 90日
【 本講座について 】
基礎AI 講義と基礎AI 演習を交互に行う事により、より効果的な学習が期待できます。
本演習では以下のような内容の習得を目指します。
・各種予測手法の性質を知り、適切な手法を選択できるようになる
・実データを対象とした予測を実施できるようになる
・深層学習 (deep learning) の基礎を理解し、深層学習ライブラリPyTorch を利用できるようになる
【 受講要件 】
講義内容の理解のため大学学部1 年目レベルの微分積分、線形代数、確率統計の知識があることを前提としております。
※本講座は、基礎AI講義と連動していますので、基礎AI講義との並行受講をお勧めします。
<受講にあたっての注意事項>
1) 演習は Google Colaboratoryを使いますので、Google アカウントが必要となります。Googleアカウントの作成をお願いします。
2) Webブラウザからプログラムを実行します。ブラウザはChrome, Firefox, Safariのいずれかをお使いください。Edgeは不具合があるようです。
新たにインストールする場合はChrome がお勧めです。
略歴
日本学術振興会 特別研究員 (DC2)(2017-2019)
日本学術振興会 特別研究員 (PD)(2019-2020)
東京工業大学 情報理工学院 非常勤講師(2019-2020)
東京工業大学 情報理工学院 助教(2020-)
研究分野:構造バイオインフォマティクス, 創薬インフォマティクス
最新の研究:深層学習と共溶媒分子動力学シミュレーションを用いたタンパク質の薬剤結合部位予測
略歴
2014 年-2016 年 東京工業大学 大学院情報理工学研究科 修士課程
2016 年-2019 年 東京工業大学 情報理工学院 博士課程/ 日本学術振興会 DC1
2019 年12 月 博士(工学)取得
2019 年4 月-2020 年3 月 東京工業大学 科学技術創成研究院 研究員
2020 年4 月 東京工業大学 物質・情報卓越教育院 特任講師
研究分野:分子シミュレーションと機械学習による創薬
最新の研究:分子動力学と機械学習を用いた新規薬剤探索、相互作用の学習によるドッキングの高精度化
視聴プレビュー
講座一覧
-
第1回 GoogleColaboratory の 準備
-
第2回 Numpy 入門
-
第3回 線形回帰・モデル選択の演習
-
第4回 線形分類・ 最適化の演習
-
第5回 フィード・フォワードニュー ラルネットワーク:二値分類 の演習
-
第6回 フィード・フォワードニュー ラルネットワーク:多値分類 の演習
-
第7回 たたみ込みニュー ラルネットワークの演習
-
第8回 総合演習