JP EN

大学院

過去（2022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：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。

総合分析情報学特論VIIA

AIシステム基礎論 Basics of Artificial Intelligence Systems

本講義では、人工知能における主要技術である機械学習アルゴリズムに関して、手法の数学的な理解および、その理論をプログラミングにより実装を行う方法を学ぶ。
主に扱う手法としては、近年注目を浴びているディープラーニングである。講義で使用するプログラミング言語はPythonを用い、フレームワークとしてKerasを使用する。この言語やフレームワークは最新の研究開発においても使用されているものである。
ディープラーニングの計算においてはGPU（Graphic Processing Unit）が不可欠であり、GPUを用いるための環境や演算についても紹介する。そして、この技術の応用先として代表的な画像、時系列、自然言語のデータに対するデータのハンドリングまで含めた実装方法を習得し、将来的に解析を行う際の引き出しを増やすことを目指す。

MIMA Search

時間割／共通科目コード

コース名

教員

学期

時限

4917311

GII-AC6307L1

総合分析情報学特論VIIA

越塚　登

S1 S2

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

実務経験のある教員による授業科目

他学部履修

可

開講所属

学際情報学府

授業計画

Day１：２０２２年６月１０日（金）　13:00〜17:00 ・授業概要・講師紹介・数学・Pythonのテスト：事前に提示していた範囲（履修上の注意参照）から知識の確認・ニューラルネットワークの数学・Kerasによるニューラルネットワークの実装・画像処理の基礎 Day２：２０２２年６月１７日（金）　13:00-17:00 ・フィルタの理論とCNNの実装練習・自然言語処理（形態素解析＋特徴量抽出＋NN）の実装・時系列解析向けのRNNの実装・課題：興味のあるデータを見つけて解析を行い、精度を向上させるための前処理や手法の選定の発表準備 Day3：２０２２年６月２４日（金）13:00-15:00 ・プレゼン発表および質疑応答

授業の方法

＊＊＊本講義は、演習形式になりますが、Zoomを用いたリアルタイム・オンライン形式になります。＊＊＊数学とプログラミングの両方を行う。時間配分としては、数学40%、プログラミング60%程度である。 ※ノートと筆記用具が必要 Day1とDay2でディープラーニングに関する理論と実装方法、実問題でのデータハンドリングを学び、最終日までにチームもしくは個人で各データセットに対して解析を行う。最終日は、各人ごとに取り組んだ課題を発表し、問題設定、手法選定、前処理などの技術を考慮して採点を行う。講義場所は情報学環ダイワユビキタス学術研究館。 Wifiでインターネット接続可能で、ブラウザが稼動する自前のPCを持ち込むことが必須である。講師：株式会社キカガク代表取締役社長　吉崎亮介

成績評価方法

出席と最終日のプレゼンテーションにより決定

教科書

特になし

参考書

・Python機械学習プログラミング達人データサイエンティストによる理論と実践（2018, インプレス社）・深層学習（2018, KADOKAWA）

履修上の注意

■履修の条件数学（微分、線形代数、確率統計）とPythonの基礎を習得していることを前提としている。 ■履修制限【！！！注意！！！】機材等の関係により、履修者は20名以内とします。希望者が２０名を超えた場合、調整をします（学際情報学府総合分析情報学コースの授業なので、当コースの学生が優先になります）ので、履修を希望する学生は、５月１０日まで、以下のWebページで履修希望を申し込んで下さい。 https://forms.gle/***** 数学(微分、線形代数、確率統計)とPythonの基礎を習得していることを前提としている。

その他

特になし

戻る