学部後期課程
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
情報と計算の物理[数理自然科学コース]
情報と計算の物理特論
本講義は、高次元統計モデルをデータに基づいて学習する過程を記述・理解することを目的とする。具体的には、高次元な統計モデルの誤差を非漸近・漸近的の両面から評価し、またその拡張として深層ニューラルネットワークの学習を評価することを目的とする。また、必要な基礎的な理論の習得を行う。
時間割／共通科目コード
コース名
教員
学期
時限
08E1048
FAS-EA4B48L1
情報と計算の物理[数理自然科学コース]
今泉 允聡
木曜5限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
可
開講所属
教養学部
授業計画
1. 学習モデルの基礎
2. 中心極限定理・集中不等式・経験過程論
3. 情報と熱力学・統計力学
4. 高次元モデル学習の非漸近的な確率評価
5. 高次元モデル学習の漸近的な精密評価
6. 深層ニューラルネットワークの学習評価
授業の方法
板書及び資料を配布する。
成績評価方法
授業参加およびレポートによって評価する。
教科書
なし
参考書
Wainwright, M. J. (2019). High-dimensional statistics: A non-asymptotic viewpoint. Cambridge university press.
Mezard, M., & Montanari, A. (2009). Information, physics, and computation. Oxford University Press.
履修上の注意
参考書による予習が推奨される。
