科目名	パターン認識
単位数	2.0
担当者	教授　三村 和史
履修時期	前期
履修対象	3年次
講義形態	講義
講義の目的	パターン認識の基本となる統計的機械学習と深層学習の手法について学ぶ。 パラメトリック法とノンパラメトリック法の基礎的な事項について理解する。
到達目標	パターン認識に関する概念を理解して手法を習得する。【知識2】 パターン認識に関する手法を応用できるようになる。【技能1】
受講要件	特になし。 「確率統計」を履修していることが望ましい。
履修取消の可否	可
履修取消不可の理由
事前・事後学修	講義中に出題された課題を中心に復習する。
講義内容	第1回　パターン認識の概要 第2回　深層学習：基礎 第3回　深層学習：学習の技法 第4回　深層学習：順伝播型回路 第5回　深層学習：GAN（敵対的生成ネットワーク） 第6回　深層学習：Attention 第7回　深層学習：Transformer 第8回　深層学習：BERT 第9回　深層学習：拡散モデル 第10回　統計的機械学習：定式化と準備 第11回　統計的機械学習：最尤推定法 第12回　統計的機械学習：線形判別分析 第13回　統計的機械学習：混合ガウスモデルとEMアルゴリズム 第14回　統計的機械学習：モデル選択 第15回　統計的機械学習：カーネル密度推定法と最近傍密度推定法 ※授業の順序は変更することがある。 ※上記とは別に期末試験を実施する。
期末試験実施の有無	実施する
評価方法・基準	試験60％，その他（レポート，平常点等）40％として評価する。 評点に対する評価は、広島市立大学履修規定に則って行う。
教科書等	参考書：杉山将「統計的機械学習」オーム社（2009） 参考書：石井健一郎他「わかりやすいパターン認識」オーム社（1998） 参考書：石井健一郎他「続わかりやすいパターン認識」オーム社（2014） 参考書：岡谷貴之「深層学習」講談社（2015） 参考書：近江崇宏他「BERTによる自然言語処理入門」オーム社（2021） 参考書：佐藤大輔他「BERT入門」リックテレコム（2022） 参考書：チームガルポ「物体検出とGAN、オートエンコーダー、画像処理入門」秀和システム（2021） 参考書：岡野原大輔「拡散モデル」岩波書店（2023）
担当者プロフィール	情報理論と統計物理の研究に従事。 授業内容や宿題などに関する個別学習相談を随時受け付けています。 学内サイネージ等で所在を確認のうえ研究室を訪ねてください。 研究室：　情報科学部棟7階711室
講義に関連する実務経験
課題や試験に対するフィードバック	期末試験は試験後に模範解答と解説を提示する。
アクティブ・ラーニング	発言を求める。振り返り。
キーワード	最尤推定法、ベイズ推定法、赤池情報量基準、ベイズ情報量基準、カーネル密度推定法、最近傍密度推定法、深層学習、GAN、Attention、Transformer、BERT、拡散モデル
備考	【教職】高一種（数学）