大学院
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。
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。
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。
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
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
可
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）
