シラバス参照

授業情報／Course information

科目一覧へ戻る 2019/08/20 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５限)
開講年度
／Year of the Course		 2017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		 2017/03/29
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，ニューラルネットワーク，パターン認識理論の三つの柱の数理的基礎を学習する．
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
教科書
／Textbook(s)		 パターン認識と機械学習（上），C.M.ビショップ著，シュプリンガー・ジャパン，6,500円（税抜）
パターン認識と機械学習（下），C.M.ビショップ著，シュプリンガー・ジャパン，7,800円（税抜）
はじめてのディープラーニング，武井宏将著，リックテレコム，2,200円（税別）
参考文献等
／References
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 紹介したアルゴリズムをプログラムで実装すると理解が深まる。
資格等に関する事項
／Attention Relating to Professional License
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		 配布資料
／Handouts
1 1 [序論（１）]
・確率論について学ぶ。
2 2 [序論（２）]
・モデル選択について学ぶ。
3 ３ [序論（３）]
・決定理論について学ぶ。
4 4 [序論（４）]
・情報理論について学ぶ。
5 5 [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。
6 6 [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。
7 7 [線形回帰モデル]
・線形基底関数モデルについて学ぶ。
8 8 [線形識別モデル]
・識別関数について学ぶ。
・確率的生成モデルについて学ぶ。
・確率的識別モデルについて学ぶ。
9 9 [ニューラルネットワーク（１）]
・フィードフォワードネットワーク関数について学ぶ。
10 10 [ニューラルネットワーク（２）]
・ネットワーク訓練について学ぶ。
11 11 [ニューラルネットワーク（３）]
・ディープニューラルネットワークについて学ぶ．
12 12 [ 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。
・ＥＭアルゴリズムについて学ぶ．
13 13 [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。
14 14 [系列データ]
・隠れマルコフモデルについて学ぶ。
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． ○
2 ニューラルネットワークの基礎を理解する． ○
3 パターン認識の基礎を理解する． ○
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． ○
2 ニューラルネットワークの基礎を理解する． ○
3 パターン認識の基礎を理解する． ○
評価割合（％）
／Allocation of Marks		 100

科目一覧へ戻る