# 深層学習に関する講義資料
広島大学 先進理工系科学研究科 助教 相澤宏旭（hiroaki-aizawa {at} hiroshima-u.ac.jp）

数式とプログラミングの両側面から，深層学習の基礎と実践に関する手法をまとめた講義資料です．具体的には，コンピュータビジョン分野における主要なニューラルネットワークモデルである

1. 多層パーセプトロン（Multi-Layer Perceptron）
2. 畳み込みニューラルネットワーク（Convolutional Neural Network）
3. Vision Transformer

の3つと実践的なテクニックから中心に構成されています．本講義資料は，なるべく，数式とコードがリンクし，コードは複雑化せず必要最小限の実装に留め，可能な限り値の出力や可視化を行うことを心がけています．

**参考資料**
- 瀧雅人, "これならわかる深層学習入門"
- Chris Bishop and Hugh Bishop, "Deep Learning: Foundations and Concepts"
- Ian Goodfellow, Yoshua Bengio, and Aaron Courville, "Deep Learning"
- 山本 晋太郎ら, "Vision Transformer入門"
- 田村 秀行, 斎藤 英雄, "コンピュータ画像処理"
- [PyTorch公式ページ](https://pytorch.org)
- Aston Zhang, Zachary C. Lipton, Mu Li, and Alexander J. Smola, "Dive into Deep Learning"

---
**管理上の注意**
本レポジトリは最新公開版の提供を目的としているため，編集履歴は基本的に提供しません． 誤植等あればissueから報告をお願いします．