シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2024/09/12 現在 |
|
開講科目名 ／Course |
機械学習発展／Advances in Machine Learning | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
|
時間割コード ／Course Code |
S2201400_S6 | |||||||||
|
開講所属 ／Course Offered by |
システム工学研究科／Graduate School of Systems Engineering | |||||||||
|
ターム・学期 ／Term・Semester |
2024年度／Academic Year 第3クォーター／3Q | |||||||||
|
曜限 ／Day, Period |
木／Thu 3 | |||||||||
|
開講区分 ／Semester offered |
後期／the latter term | |||||||||
|
単位数 ／Credits |
2.0 | |||||||||
|
学年 ／Year |
1,2 | |||||||||
|
主担当教員 ／Main Instructor |
八谷 大岳 | |||||||||
|
科目区分 ／Course Group |
_ | |||||||||
|
授業形態 ／Lecture Form |
講義 | |||||||||
|
教室 ／Classroom |
北１号館Ａ１０１／北１号館Ａ１０１ | |||||||||
|
開講形態 ／Course Format |
||||||||||
|
ディプロマポリシー情報 ／Diploma Policy |
|
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 八谷 大岳 | システム工学部（教員） |
|
授業の概要・ねらい ／Course Aims |
この科目では，機械学習における重要なブレークスルー技術の数学的な原理と特性を深く理解することを目的とする．文章生成，画像生成，時系列予測，集合データ分析，およびデータの可視化技術に関連する重要なアルゴリズム（RNN，LSTM，seq2seq，Transformer，GANs，VAEs，Diffusion modelsなど）に焦点を当て，それらの数学的構造と機能について解説する．この講義を通じて，生成AI技術の背後にある数学的理論を理解し，それらがどのようにして革新的なデータ生成能力を実現しているかを深く掘り下げる． |
|---|---|
|
到達目標 ／Course Objectives |
・数学的基礎の確立：機械学習の重要なアルゴリズムとモデルの数学的原理を理解し，それらがどのようにブレークスルー技術を作りだしたのかを説明できる ・技術の深い理解：各技術の数学的背景を理解することで，それらの動作原理，適用可能な場面，および限界点を識別できる ・批判的思考能力：数学的分析を通じて技術を批判的に評価し，改善点や新たな応用方法を提案する能力を身につける |
|
成績評価の方法・基準 ／Grading Policies/Criteria |
授業内で出題する演習レポート，授業後に出題する課題レポート，および単位認定試験で総合的に評価する．演習レポートと課題レポートは合わせて３０％，単位認定試験は７０％とする． |
|
教科書 ／Textbook |
授業にて関連する文献を紹介する |
|
参考書・参考文献 ／Reference Book |
ゼロからつくるPython機械学習プログラミング入門・八谷大岳著・講談社・978-4065206126・3,300円 |
|
履修上の注意 ・メッセージ ／Notice for Students |
・事前にMoodleで公開する講義資料で予習すること ・授業中は解説を参考に各自で演習問題を解き，演習レポートを作成すること ・授業後は，復習し課題問題を解き課題レポートを作成すること |
|
履修する上で必要な事項 ／Prerequisite |
記載事項なし |
|
履修を推奨する関連科目 ／Related Courses |
データ解析（機械学習基礎）、人工知能、人工知能演習 |
|
授業時間外学修についての指示 ／Instructions for studying outside class hours |
記載事項なし |
|
その他連絡事項 ／Other messages |
記載事項なし |
|
授業理解を深める方法 ／How to deepen your understanding of classes |
翌回に課題レポートの正答の説明を行う． 【「アクティブ・ラーニング」実施要項 ⑪】 |
|
オフィスアワー ／Office Hours |
毎回授業後に、質問および相談時間を設けますので、気軽に聞いてください。 |
|
科目ナンバリング ／Course Numbering |
S61035J11099T501 |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考（担当） ／Notes |
|---|---|---|---|---|
| 1 | 1 | 機械学習に必要な数学的準備 | ||
| 2 | 2 | キスト生成のアルゴリズム入門：RNN，LSTM，seq2seq | ||
| 3 | 3 | テキスト生成の次の段階：Luong AttentionからTransformerへ | ||
| 4 | 4 | テキスト生成の最先端：Bert，GPT，Beam Search | ||
| 5 | 5 | テキストと画像の融合：word2veckからCLIPへ | ||
| 6 | 6 | 画像生成の基礎：VAEsとU-Net | ||
| 7 | 7 | 革新的な画像生成：GANs | ||
| 8 | 8 | 次世代画像生成：Diffusion ModelsとStable Diffusion | ||
| 9 | 9 | 時系列データの予測の基礎：状態空間モデルとARIMA | ||
| 10 | 10 | 時系列予測の新時代：TransformerとMLPMixer | ||
| 11 | 11 | 高度な時系列分析：ポアソン過程と点過程 | ||
| 12 | 12 | 集合データの解析入門：Janossy Pooling，Deep Sets，PointNet | ||
| 13 | 13 | 集合データの深層解析：Set Transformerから集合マッチングへ | ||
| 14 | 14 | データの可視化と理解：t-SNE | ||
| 15 | 15 | 講義のまとめ，試験 |