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:2024年3月15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α
深層学習とその数理
=== 履修許可者(4/24更新)===
履修許可者一覧を掲載しました。
http://kis.c.u-tokyo.ac.jp/*****
=== ウイルスに関係する注意事項(4/20更新)===
・初回ガイダンスは4月20日(月)6限の予定です。
・ZoomのURL
https://zoom.us/*****
(ID, passで入る場合は、シラバス下部の"オンライン授業内容"から)
・ガイダンス用スライド
https://drive.google.com/*****
・履修者選抜の形式について
"初回ガイダンス時にレポートを課す" → "授業中に指定したフォームから提出" で行います。
・問い合わせ
不明点・質問がありましたら、 ***** まで
==================================
**トピックについて**
深層学習(ディープラーニング)は、近年発展著しいAI(人工知能)技術の中核を為す技術である。この技術は高い性能と汎用性を持つことから、自動運転や新薬創造などの社会の多くの領域に応用され、それぞれの分野で革新的な成果を出すことが期待されている。
また、この深層学習のメカニズムを理解するために、数学をベースにした理論も急速に発展している。AI技術を効率的に制御・理解するためには、これらの理論の発展が必要不可欠である。
**講義の目標**
この講義の目的は、以下の三つである。
1. 基礎的な情報の技術・社会的側面について学ぶ。
2. データ解析の基礎を理解し、その一ツールとしての深層学習の使い方をプログラミング演習を通して学ぶ。
3. 深層学習の理論を、数学演習を通して学ぶ。
**講義の概要**
最初の数回で、基礎科目「情報」に該当する内容を速習する。加えて、各回の講義の中で随時「情報」の内容をカバーする。
その後、機械学習の問題設定の基礎を学び、pythonを用いた演習で深層学習の実装を行う。後半では、数学的な理論を学び演習を通して定着を図る。
前半での演習ではpythonを使うスキルが必要だが、知識は授業中に身につける前提で、意欲さえあればこれまでの経験は問わない。
**システム**
受講者数を20名程度に制限するので、ガイダンス時にプログラミング・数学などに関する基礎学力の確認と学習意欲に関する調査を行う。その結果、一週間以内に、第二回以降の受講対象者の学生証番号を正門横掲示板に発表する。
MIMA Search