畳み込みニューラルネットワークの核心モジュールである畳み込み層とプーリング層の演算を理論的に完璧に整理し、自ら実装することで実装能力を養う講義です。

ディープラーニングを活用したコンピュータビジョンの最も重要な演算である、畳み込み（コンボリューション）を集中的に扱う講義です。

コンピュータービジョン分野についての簡単な紹介を行う講義です。

ディープラーニングベースのコンピュータビジョン学習の前に不可欠な、画像の理論的基礎を固めます。ピクセル、解像度、色表現など画像データの点質を理解し、Pythonを活用して画像を読み込み、変換・前処理する実践的なプログラミング能力を養います。

Gradient-based Linear Regression (1)で直接実装したコードを、PyTorchの機能を利用して実践的なコードとして実装する方法を学ぶ講義です。また、データ前処理の必要性、理論、学習に与える影響を理論的に学び、実践的なコードで実装する講義です。

Gradient descentで最もシンプルな形のディープラーニングモデルを学習させる過程について完璧に理解する講義です。

ディープラーニングの最も核心的な学習アルゴリズムであるgradient descentを集中的に学習する講義です。

ディープラーニングを始めるために必要な基本的な微分法とPyTorchのAutograd機能を学ぶ講義です。

matplotlibライブラリを利用したデータの可視化を扱う講義です。

NumPyの使い方と、これを利用した実践練習を行う講義です。

仮想環境の概念と設定する方法を学びます。

線形代数学の最初の講義として、ベクトルとベクトルの演算を幾何学的に理解する講義です。