日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR702/VR702VR702 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
ハイフレックス/HyFlexHyFlex |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
輪講/Lectures in TurnLectures in Turn |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期他/Spring OthersSpring Others |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR6600 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
その他登録/"Other" Registration"Other" Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
－（履修中止制度なし/ No system for cancellation) |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
The purpose of this course is to help students understand the theoretical aspects of machine learning and deep learning. This course will also prepare students to learn new concepts and algorithms from scholarly literature.
Using a few chapters from "Pattern Recognition and Machine Learning" (M.Bishop.) and a few chapters from “Deep Learning” (I. Goodfellow et al.), students will learn the basics of statistical machine learning theory and will be introduced to the theoretical aspects of deep learning.
| 1 | 統計的機械学習に関する輪講1 |
| 2 | 統計的機械学習に関する輪講2 |
| 3 | 統計的機械学習に関する輪講3 |
| 4 | 統計的機械学習に関する輪講4 |
| 5 | 統計的機械学習に関する輪講5 |
| 6 | 統計的機械学習に関する輪講6 |
| 7 | 統計的機械学習に関する輪講7 |
| 8 | 統計的機械学習に関する輪講8 |
| 9 | 統計的機械学習に関する輪講9 |
| 10 | 統計的機械学習に関する輪講10 |
| 11 | 深層学習に関する輪講1 |
| 12 | 深層学習に関する輪講2 |
| 13 | 深層学習に関する輪講3 |
| 14 | 深層学習に関する輪講4 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
輪講までに微積分法（偏微分と積分の基礎）、線形代数の基礎（行列とベクトルの扱い）、確率論・統計学の基礎について復習して臨むこと。また、機械学習の入門的知識や、Pythonによるプログラミングの予習をおこなって臨むことが歓迎される。復習に関しては理論的内容だけではなく、テキストで学んだ理論的内容をPythonで実際に実装して実験的に確認することで理解が深まる。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業への参加度(50%) 発表内容の評価(50%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | C.M.Bishop | Pattern Recognition and Machine Learning | Springer | ２０06 | 0387310738 |
| 2 | I. Goodfellow et al. | Deep Learning | MIT Press | 2016 | 0262035618 |
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。
機械学習・深層学習の理論的側面について理解する。それによって、新しい理論やアルゴリズムを文献を通じて身につけるための訓練を行う。
The purpose of this course is to help students understand the theoretical aspects of machine learning and deep learning. This course will also prepare students to learn new concepts and algorithms from scholarly literature.
"Pattern Recognition and Machine Learning" (M.Bishop.) から数章を選び、機械学習の理論的側面の基礎を学ぶ。その上で、 "Deep Learning" (I. Goodfellow et al.) の数章を用いて、深層学習の理論的側面についての輪講を行う。
Using a few chapters from "Pattern Recognition and Machine Learning" (M.Bishop.) and a few chapters from “Deep Learning” (I. Goodfellow et al.), students will learn the basics of statistical machine learning theory and will be introduced to the theoretical aspects of deep learning.
| 1 | 統計的機械学習に関する輪講1 |
| 2 | 統計的機械学習に関する輪講2 |
| 3 | 統計的機械学習に関する輪講3 |
| 4 | 統計的機械学習に関する輪講4 |
| 5 | 統計的機械学習に関する輪講5 |
| 6 | 統計的機械学習に関する輪講6 |
| 7 | 統計的機械学習に関する輪講7 |
| 8 | 統計的機械学習に関する輪講8 |
| 9 | 統計的機械学習に関する輪講9 |
| 10 | 統計的機械学習に関する輪講10 |
| 11 | 深層学習に関する輪講1 |
| 12 | 深層学習に関する輪講2 |
| 13 | 深層学習に関する輪講3 |
| 14 | 深層学習に関する輪講4 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
輪講までに微積分法（偏微分と積分の基礎）、線形代数の基礎（行列とベクトルの扱い）、確率論・統計学の基礎について復習して臨むこと。また、機械学習の入門的知識や、Pythonによるプログラミングの予習をおこなって臨むことが歓迎される。復習に関しては理論的内容だけではなく、テキストで学んだ理論的内容をPythonで実際に実装して実験的に確認することで理解が深まる。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業への参加度(50%) 発表内容の評価(50%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | C.M.Bishop | Pattern Recognition and Machine Learning | Springer | ２０06 | 0387310738 |
| 2 | I. Goodfellow et al. | Deep Learning | MIT Press | 2016 | 0262035618 |
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。