人工知能とは,人間のような知能を人工的に作ることを目指した研究分野である.近年,大量のデータや計算能力の向上を背景として,機械学習や深層学習が飛躍的な進化を遂げ,あらゆる分野で人工知能技術が活用されるようになった.本講義では,人工知能の基礎的な概念・理論を紹介し,人工知能技術の実用化に従事するために必要な知識の習得を目指す.
本科目は博士後期課程の学生を対象にしている。
人工知能技術の実用化に従事するために必要な知識を習得すること.
分類,回帰,勾配法,パーセプトロン,活性化関数,誤差逆伝搬法,自動微分,畳み込みニューラルネットワーク
✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
Zoomによる講義を行う
授業計画 | 課題 | |
---|---|---|
第1回 | ガイダンス | 実社会における人工知能 |
第2回 | 数学の基礎 | 基礎数学(線形代数,確率・統計,微分積分)の復習 |
第3回 | 線形回帰 | 損失関数,経験損失最小化,過剰適合,正則化,バイアスとバリアンス,線形モデル (線形回帰),リッジ回帰 |
第4回 | 線形分類 | 線形モデル(分類),ロジスティック回帰,勾配法 |
第5回 | 単層ニューラルネットワーク | 単層パーセプトロン,活性化関数,計算グラフ,自動 微分 |
第6回 | 多層ニューラルネットワーク | 多層パーセプトロン,隠れユニット,誤差逆伝搬法, ソフトマックス |
第7回 | 畳み込みニューラルネットワーク | 畳み込みニューラルネットワーク,ドロップアウト |
学修効果を上げるため,教科書や配布資料等の該当箇所を参照し,「毎授業」授業内容に関する 予習と復習(課題含む)をそれぞれ概ね100分を目安に行うこと。
なし
T2SCHOLA にて電子的に配布する
複数回のレポートと期末レポートにて評価
線形代数学,微分積分学,数理統計学に関する基本的な知識を必要とする.
この科目は博士後期課程の方を対象とします。XCO.T489「基盤人工知能」との重複申請はできません。
※講義第一回目からガイダンスに加え,その後の講義回の理解に必要な事柄を扱うため,必ず出席すること。履修希望者は事前に実施するプレースメントテストを受けて合格すること。