- 開講元
- 知能情報コース
- 担当教員名
- 鈴村 豊太郎 町田 元也 ALEXANDER SHIBAKOV
- 授業形態
- 講義
- メディア利用科目
- 曜日・時限(講義室)
- 集中講義等
- クラス
- -
- 科目コード
- ART.T454
- 単位数
- 2
- 開講年度
- 2018年度
- 開講クォーター
- 1-2Q
- シラバス更新日
- 2018年7月27日
- 講義資料更新日
- 2018年6月29日
- 使用言語
- 英語
- アクセスランキング
-
media
講義の概要とねらい
本科目は、数理情報、知能情報、生命情報、社会情報などの幅広い情報学の最先端のトピックに外部講師によって、短期間に集中講義を行う。
本科目の狙いは、社会で活躍する一線の研究者による幅広い分野の研究の話題を講義することによって、学生の視野を広げることにある。
到達目標
数理情報、知能情報、生命情報、社会情報に関する最先端のトピックに関する知識を修得できる。
キーワード
数理情報学、知能情報学、生命情報学、社会情報学
学生が身につける力(ディグリー・ポリシー)
| ✔ 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) |
授業の進め方
担当講師が選んだトピックについての講義を行う．
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | Various distributions and related stochastic models. | 最先端の知識の習得 |
| 第2回 | Poisson processes and their properties. | 最先端の知識の習得 |
| 第3回 | Filtration and martingale in stochastic processes. | 最先端の知識の習得 |
| 第4回 | Counting processes, hazard functions, and martingale transform. | 最先端の知識の習得 |
| 第5回 | Random censorship model, survival function, and Kaplan-Meier estimator. | 最先端の知識の習得 |
| 第6回 | Expectation, variance, and asymptotic properties of martingale transform. | 最先端の知識の習得 |
| 第7回 | Comparison of two groups in survival analysis: Linear rank statistics. | 最先端の知識の習得 |
| 第8回 | 大規模グラフ解析の概要 | 最先端の知識の習得 |
| 第9回 | 大規模グラフデータベース | 最先端の知識の習得 |
| 第10回 | 大規模グラフ解析と高性能計算 | 最先端の知識の習得 |
| 第11回 | 大規模グラフ解析と機械学習の統合 | 最先端の知識の習得 |
| 第12回 | グラフ特徴量を利用した機械学習の実応用 | 最先端の知識の習得 |
| 第13回 | 深層学習ベースのグラフ特徴量 | 最先端の知識の習得 |
| 第14回 | 知識グラフの概要 | 最先端の知識の習得 |
| 第15回 | 知識グラフの人工知能への応用 | 最先端の知識の習得 |
教科書
なし
参考書、講義資料等
講師が指定する
成績評価の基準及び方法
講義中の演習と終了後のレポートによる
関連する科目
- なし
履修の条件(知識・技能・履修済科目等)
なし
その他
詳細については決まり次第掲示する．
