科目名 | 学習システム特論 | ||
単位数 | 2.0 | ||
担当者 | 准教授 岩根 典之 | ||
履修時期 | 後期 | ||
履修対象 | 1,2年 | ||
講義形態 | 講義 | ||
講義の目的 | 学習システムの背景にあるモデルについて知識や技術を学ぶとともにディスカッションを通じて理解を深める。超スマート社会に向けて、AI、データサイエンス、IoTなどから未来について考える。 | ||
到達目標 |
・モデルの背後にある考え方やアイデアを説明できる【知識1、技能1】 ・知識の表現、獲得、利用から学習システムを説明できる【知識2、表現力】 ・AIやDS、IoTなどから地域や社会の課題や解決策を考えられる【思考力・判断・表現力、主体性】 |
||
受講要件 | 特になし | ||
履修取消の可否 | 可 | ||
履修取消不可の理由 | |||
事前・事後学修 |
・配布資料を読み込み疑問点等を書き込む(整理) ・演習課題に解答する |
||
講義内容 |
1 導入(ガイダンス) 2 基礎(文字認識,分類問題と回帰問題,前処理ほか) 3 基礎(次元の呪い,カーブフィッティングほか) 4 基礎(非線形関数とニューラルネットワークほか) 5 基礎(ベイズの定理ほか) 6 基礎(決定境界,分類ミスほか) 7 展開(線形識別関数ほか) 8 展開(線形分離性,一般識別関数ほか) 9 展開(最小二乗法ほか) 10 展開(フィッシャーの線形判別法ほか) 11 応用(単層パーセプトロンほか) 12 応用(多層パーセプトロンほか) 13 発展(深層学習ほか) 14 発展(畳み込みニューラルネットワークほか) 15 まとめ(ディスカッション) ※授業の順序は変更することがある。 |
||
期末試験実施の有無 | 実施しない | ||
評価方法・基準 |
受講態度や演習課題などにより総合的に評価する. ・ディスカッションへの参加(20%) ・発表、演習レポートなど(80%) |
||
教科書等 |
教科書:資料を配布する。 参考書:C.M.Bishop, Neural Network for Pattern Recognition, Oxford Univ.Press. C.M.Bishop, PATTERN RECOGNITION AND MACHINE LEARNING, Springer. J.L. Elman et.al, Rethinking Innateness,MIT Press. 甘利俊一著「神経回路網の数理」(産業図書) 石井健一郎ほか著「パターン認識」(オーム社) 人工知能学会監修「深層学習」(近代科学社) |
||
担当者プロフィール |
学習システムのモデル化や設計に関する研究に従事. 研究室:情報科学部棟6階 663研究室 |
||
講義に関連する実務経験 | 実務経験:1986年4月〜1994年6月 沖電気工業鰍ノ勤務(AI基礎研究に従事) | ||
課題や試験に対するフィードバック | 課題提出後にポイントを説明する | ||
アクティブ・ラーニング | ディスカッション、振り返り | ||
キーワード | 知識表現モデル、知識獲得、ニューラルネットワーク、パタン処理、パーセプトロン、深層学習 | ||
備考 | 【教職】高専修(数学) |