CMD体育_cmd体育平台@

图片

シラバス参照

授業情報／Course information

科目名／Course: 人工知能特論／Advanced Artificial Intelligence
科目一覧へ戻る 2024/09/10 現在

授業基本情報
科目名（和文）
／Course		 人工知能特論
科目名（英文）
／Course		 Advanced Artificial Intelligence
時間割コード
／Registration Code		 66001301
学部（研究科）
／Faculty		 情報系工学研究科 博士前期課程
学科（専攻）
／Department		 システム工学専攻
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○岩橋　直人
オフィスアワー
／Office Hour		 岩橋　直人(水曜日14：00～15：00)
開講年度
／Year of the Course		 2024年度
開講期間
／Term		 後期
対象学生
／Eligible Students		 1年,2年
単位数
／Credits		 2
授業概要情報
更新日
／Date of renewal		 2024/03/08
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 人工知能システムを構築する上での基礎として必要である，ベイズ学習理論，ディープラーニング，パターン認識理論の三つの柱の数理的基礎を学習する．python による人工知能プログラミングを学ぶ。
履修に必要な知識?能力?キーワード
／Prerequisites and Keywords		 確率?統計の基礎知識，人工知能の基礎知識
履修上の注意
／Notes		 定期的にpython プログラミングの自習課題を設定する。
教科書
／Textbook(s)		 教員が作成した資料を配布する。
参考文献等
／References
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework
資格等に関する事項
／Attention Relating to Professional License
アクティブラーニングに関する事項
／Attention Relating to Active Learning
実務経験に関する事項
／Attention Relating to Operational Experiences		 ソニー（株）にて、現在全世界で普及しているオーディオコーディングを開発し基本特許を取得した。また、ソニーの日本、アメリカ、ドイツの研究所からなる全社的プロジェクトを統括し、音声翻訳の研究?開発を行った。さらに、産官学共同研究機関である国際電気通信基礎技術研究所にて、先進的な音声合成方法を開発し、情報技術で世界最高峰のベル研究所に技術供与した。その他、ロボカップ世界大会優勝2回など。
備考
／Notes
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配付資料
／Handouts
1 1 [序論（１）]
?確率論について学ぶ。
?モデル選択について学ぶ。
2 2 [序論（２）]
?決定理論について学ぶ。
?情報理論について学ぶ。
3 ３ [確率分布（１）]
?二値変数について学ぶ。
?多値変数について学ぶ。
4 4 [確率分布（２）]
?ガウス分布について学ぶ。
?指数型分布族について学ぶ。
?ノンパラメトリック法について学ぶ。
5 5 [ 混合モデルとEM]
?K-meansクラスタリングについて学ぶ。
?混合ガウス分布について学ぶ。
6 6 [サンプリング法]
?基本的なサンプリングアルゴリズムについて学ぶ。
?マルコフ連鎖モンテカルロについて学ぶ。
?ギブスサンプリングについて学ぶ。
7 7 [系列データ]
?隠れマルコフモデルについて学ぶ。
?時系列信号処理について学ぶ。
8 8 [ディープラーニング（１）]
?フィードフォワードネットワーク関数について学ぶ。
9 9 [ニューラルネットワーク（２）]
?ニューラルネットワークの学習について学ぶ。
10 10 [ディープラーニング（３）]
?画像認識について学ぶ。
11 11 [ディープラーニング（４）]
?画像生成について学ぶ。
12 12 [ディープラーニング（５）]
?時系列処理について学ぶ。
?言語処理について学ぶ。
13 13 [大規模言語モデル（１）]
?大規模言語モデルの基礎を学ぶ。
14 14 [大規模言語モデル（２）]
?大規模言語モデルの応用を学ぶ。
15 15 [まとめ]
全体のまとめ
授業評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識?理解
／Knowledge & Undestanding		 技能?表現
／Skills & Expressions		 思考?判断
／Thoughts & Decisions		 伝達?コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 ベイズ的学習理論の基礎を理解する(A-1)． ○
2 ディープラーニングの基礎を理解する(A-1)． ○
3 パターン認識の基礎を理解する(A-1)． ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 レポート
1 ベイズ的学習理論の基礎を理解する(A-1)． ○
2 ディープラーニングの基礎を理解する(A-1)． ○
3 パターン認識の基礎を理解する(A-1)． ○
評価割合（％）
／Allocation of Marks		 100

科目一覧へ戻る