大学院
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：2026年10月16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：2026年10月16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。
生物環境情報工学特論II
近年のAI for Scienceの潮流を背景に，この授業ではデータサイエンス手法による自然現象のモデリングの動向と具体的な数理手法を取り扱う．
物理モデルとその数値シミュレーションをAIによって置き換えるサロゲートモデル，限定的なデータからの物理場の再構成といったAIの応用事例と，応用事例を支える数理手法について学習する．
・自然現象のモデリングにおけるAI手法活用の利点と課題を理解する．
・サロゲートモデル，逆解析，物理場再構成などの概念を理解する．
・Gradient Boosting Decision Tree(GBDT), 固有直交分解，深層学習などの現代的なデータサイエンス手法を理解する．
・サロゲートモデル，逆解析，物理場再構成などの概念を理解する．
・Gradient Boosting Decision Tree(GBDT), 固有直交分解，深層学習などの現代的なデータサイエンス手法を理解する．
時間割／共通科目コード
コース名
教員
学期
時限
3906124
GAG-BE6C04L1
生物環境情報工学特論II
非常勤講師
集中
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
1
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
農学生命科学研究科
授業計画
第1回 イントロダクション：データサイエンス手法による自然現象のモデリング
第2回 機械学習の基礎数理：多項式回帰モデル
第3回 GBDTによるサロゲートモデル構築
第4回 固有直交分解とその応用
第5回 演習：GBDT，固有直交分解
第6回 深層学習とその応用
第7回 総合演習
授業の方法
本講義はオンライン型で実施し，内容に応じてパワーポイントによる資料表示や板書共有を併用する．
講義中では演習の時間を適宜設けるほか，数回のレポート課題を出題する．
講義動画は全て録画し，ITC-LMSを通じて共有しますので，受講できなかった場合は録画を確認するようお願いします．本講義の日時を改めて掲載します．
第1回 8/3（月）13:00-14:45
第2回 8/3（月）14:55-16:40
第3回 8/4（火）13:00-14:45
第4回 8/4（火）14:55-16:40
第5回 8/5（水）13:00-14:45
第6回 8/10（月）13:00-14:45
第7回 8/10（月）14:55-16:40
成績評価方法
総合演習課題の完成度によって評価する．
履修上の注意
プログラムコードを扱う際はGoogle Colaboratory上でPython言語を用いるため，Pythonについて基礎的な理解を有していることや事前にアカウントを作成し利用方法を簡単に確認しておくことが望ましい．
Pythonに習熟していない人は，以下URLの教材も参考にしてください．
■Python教材その１
https://colab.research.google.com/*****
■Python教材その2
https://colab.research.google.com/*****
