Wasserstein GANの原論文を完全に理解する

Feb

1
Wasserstein GANの原論文を完全に理解する
応用を支える理論に迫ってみませんか？

Registration info	通常参加者枠￥3000（Pay at the door） FCFS 7/10

Description

内容概要

Wasserstein GAN(WGAN)は、GANにおいて確率分布の離れ度合を評価する際にWasserstein距離を適用したもので、
KLダイバージェンスを用いた普通のGANと比べるとmode collapseを回避できるといった利点があります。

広く受け入れられている手法の一つですが，Wasserstein距離を使っている分、理解が少し大変です。
本セミナーでは、WGANの仕組みを原論文に従って解説し、WGANがなぜ優れているのかを理論面から解説したいと思います。

※ 念の為補足ですが、ある程度の事前知識がある上での進行になり、初心者向けでは
ありませんので予めご注意ください。

開催日程

2/1(土）　
受付　　　：15:50〜16:00
講義　　　：16:00〜17:30

※
途中切りの良いところで5分10分の休憩を設けます

会場

水道橋駅、神保町駅、九段下駅周辺
千代田区西神田2-7-14 YS西神田ビル2F

アジェンダ

・対象論文の解説 (90分)

対象者

・機械学習の数理に興味がある方
・対象論文を完全に理解したい方
・AI・機械学習で入門書より少し上の話に興味がある方

当日のお持物

・ノートとペン
・本論文とノートPC（あると聞きやすいと思います。）

費用

・3,000円

定員

10名（人数に合わせて調整します、別媒体でも募集していますので申し込み人数は当日参加者数を反映しません）

当日までの事前準備

以下の論文がベースとなります。
https://arxiv.org/abs/1701.07875

対象論文を事前に軽く読み流してくると聞きやすいと思います。

ニューラルネット、GANの基本的な知識は仮定します。

講師プロフィール

東京大学大学院数理科学研究科修士課程修了。専門は複素幾何学。
その後、メガバンクでクオンツとして市場リスク管理業務に従事。
現在はベンチャーでAI融資審査モデルの開発に携わる。AIで金融サービスの変革を目指す機械学習エンジニア。

領収書

領収書の発行も可能ですのでご希望の方はその旨お申し付けいただければと思います。
領収証発行の際は事務手数料として（法人料金も兼ねて）追加で1,000円のお支払いをよろしくお願いいたします。

備考

■参考としてこれまでの同シリーズの開講情報をまとめておきます。

・ニューラルネットワークが万能近似器であることの証明
https://ml-for-experts.connpass.com/event/137501/

・XGBoost
https://ml-for-experts.connpass.com/event/144710/

・深層化による、ニューラルネットワークの表現能力の向上
https://ml-for-experts.connpass.com/event/149549/

・NGBoost
https://ml-for-experts.connpass.com/event/156659/


■『専門数学』学習塾
https://ml-for-experts.connpass.com/event/160431/

ご参加にあたってのお願い

無断欠席や前日以降のキャンセルに関しては当日人数読めなくなり非常に
迷惑なので基本的に行わないようにお願いします。
体調不良などどうしてものケースは別途ご連絡いただくか、イベントへの
お問い合わせよりご連絡いただけますと嬉しいです。
上記がひどいアカウントに関してはブラックリスト処理を行い以後の参加を
お断りさせていただきますので、その点だけ予めご了承ください。
（7割以上来れる前提でのお申し込みと前日以降のキャンセルはメッセージでの
ご連絡をいただくということだけ気をつけていただければ大丈夫だと思います）