大学院
HOME 大学院 知識獲得システム論
過去(2019年度)の授業の情報です
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4月1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。

知識獲得システム論

機械学習の基本的な考え方、代表的なアルゴリズムの原理、実装方法、および実世界問題への適用方法を学びます。
毎回、テーマを少しずつ変えていますが、今年度は「教師無し学習」(Unsupervised learning)にフォーカスして、関連する話題を色々と取り上げててみたいと思います。
深層学習(Deep learning)についても多少触れますが、メインではありません。
航空宇宙工学専攻の講義ということもあり、実験流体力学等でも良く使われているPODやDMDも取り上げます。
教師無し学習は、教師有り学習とは異なり、結果や性能の評価が自明ではありません。
「教師無し学習とは何か?」「何のために教師無し学習を使うのか?」「教師無し学習の結果をどう評価するのか?」
というような問題意識を持ってもらうと良いと思います。
MIMA Search
時間割/共通科目コード
コース名
教員
学期
時限
3734-104
知識獲得システム論
矢入 健久
A1 A2
金曜2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
開講所属
工学系研究科
授業計画
1. Guidance, Introduction to machine learning 2. Principal components analysis (PCA) and SVD 3. Probabilistic PCA and Factor analysis 4.k-means clustering and Gaussian mixture model 5. Kernel PCA and Manifold learning 6. Laplacian eigenmap and Spectral clustering 7. Non-negative matrix factorization 8. Sparse coding and Dictionary learning 9. Kernel densitiy estimation 10. Variational auto-encoders and Generative adversarial networks 11. Dynamic mode decomposition 12. Anomaly detection based on Unsupervised learning 13. Review (Presentation)
授業の方法
授業は日本語ですが、スライド等の資料は英語です。
成績評価方法
学期末の課題発表会での発表(プレゼン、レポート)
履修上の注意
基礎を固める(工学部共通)
その他
前提となる知識と項目:・確率統計(ベイズ推定含む) ・線形代数(ベクトル、行列)