学部後期課程
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。
パターン情報学
機械学習・パターン認識の基礎
知能の根元には，情報を介した主体と環境とのインタラクションがあり，人間を含めた実環境からのパターン情報を如何に要約し利用するかが柔軟な知能システム構築の鍵となる．
そのための基礎として，確率統計的手法や多変量解析手法などを用いた情報数理的な立場から，パターン情報処理の原理や仕組み，具体的な手法や応用について体系的に論じる．
数理的な手法の基礎教育に重点を置く．
An interaction between agent and environment via information is a base of intelligence. Therefore how to summarize and utilize information from the real environment is a key element in building robust intelligent systems. For this purpose, this class will introduce you to the elements and framework of pattern information processing and applications from the mathematical viewpoints by using probabilistic and statistical methods.
そのための基礎として，確率統計的手法や多変量解析手法などを用いた情報数理的な立場から，パターン情報処理の原理や仕組み，具体的な手法や応用について体系的に論じる．
数理的な手法の基礎教育に重点を置く．
An interaction between agent and environment via information is a base of intelligence. Therefore how to summarize and utilize information from the real environment is a key element in building robust intelligent systems. For this purpose, this class will introduce you to the elements and framework of pattern information processing and applications from the mathematical viewpoints by using probabilistic and statistical methods.
時間割／共通科目コード
コース名
教員
学期
時限
FEN-MX3d02L1
FEN-MX3d02L1
パターン情報学
原田 達也
木曜1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
工学部
授業計画
1. パターン認識，機械学習とは
2. 数学的基礎，線形代数，確率・統計
3. 線形回帰
4. 決定理論
5. 線形判別
6. 生成モデルと識別モデル
7. ニューラルネットワーク
8. 次元削減
9. クラスタリング
1. Pattern Recognition and Machine Learning
2. Mathematical Foundations, Linear Algebra, Probability and Statistics
3. Linear Regression
4. Decision Theory
5. Linear Discrimination
6. Generative and Discriminative Models
7. Neural Networks
8. Dimension Reduction
9. Clustering
授業の方法
座学
成績評価方法
筆記試験：70 %，出席：20%，レポート：10%
（筆記試験の実施可否により変更する可能性あり．）
Paper test: 70 %, Attendance: 20 %, Reports: 10 %
(This is subject to change depending on the availability of the written test.)
履修上の注意
＜前提となる知識・項目＞
線形代数、確率・統計の初歩
Linear algebra, probability and statistics
その他
＜応用先・項目＞
データ解析，
画像や音声などのパターン認識，ロボットの知能，
学習・適応システム，
知的インタフェース
Data analysis
Image and speech recognition
Robot intelligence
Learning and adaptive system
Intelligent interface
