<学習・基礎編 AIを支える技術について>
①技術面からみたAIの立ち位置と押さえておくべきIT技術について
③ニューラルネットワークの基礎 (8章構成)
・勾配法
④畳み込みニューラルネットワーク (13章構成)
・全結合層
<学習・応用編 ディープラーニングの応用>
ディープラーニングの応用①:再帰型ニューラルネットワーク(RNN)
ディープラーニングの応用③:ゲート付き回帰ユニット(GRU)
ディープラーニングの応用④:RNN言語モデル(自然言語処理の初歩)
ディープラーニングの応用⑤:Sequence-To-Sequencemモデル
<自然言語処理技術と言語から画像を生成する技術の原理>
・【GPT】Improving Language Understanding by Generative Pre-Training
論文は こちら
・【GPT2】Language Models are Unsupervised Multitask Learners
論文は こちら
・【GPT3】Language Models are Few-Shot Learners
論文は こちら
・CLIP(Contrastive Language-Image Pre-Training)について
論文は こちら
・Diffusion Modelについて
論文は こちら