知能情報処理特論(99MD009)


授業名知能情報処理特論(99MD009)授業名（英）
教員名熊澤　努
開講年度学期2025年度 前期
曜日時限月曜6限
開講学科大学院 工学研究科 数理情報科学専攻・機械工学専攻

単位2.0学年修士課程1年
区分専門科目 講義・演習課程選択

概要数理情報科学を身につけるうえで、機械学習および深層学習の基礎技術の習得は必要不可欠である。この授業では、機械学習の基礎をプログラミングを行いながら学習する。学習の上で必要となる数学にも触れる予定である。以下の教科書から、各回1から2章を選び、輪講形式で授業を行う。
Kevin P. Murphy. “Probabilistic Machine Learning: An Introduction”, The MIT Press, 2022.
この授業では、教科書で扱われている技術を自ら実装して授業で発表する積極的な参加姿勢が求められる。プログラミング言語はPythonを用いる。

【実務経験教員による授業】
■本科目の担当教員である熊澤努は，2001年度から2004年度まで、株式会社アドバンテストで産業用機器のソフトウェア開発に携わった。また、2011年度から現在にかけて、株式会社SRAにてソフトウェアシステムの研究並びに開発に従事しており、その業務で養った経験を活かし、機械学習に関する実用上重要な内容を講義する．　
達成目標・教師あり、教師なし機械学習の基礎理論と代表的な技法を説明することができる。　
・深層学習、ならびに、より発展的な機械学習技術を理解して説明することができる。
・機械学習プログラムを自身の手で実装することができる。
学習教育目標数理情報科学を身につけるうえで、機械学習および深層学習の基礎技術の習得は必要不可欠である。この授業では、機械学習の基礎をプログラミングを行いながら学習する。学習の上で必要となる数学にも触れる予定である。以下の教科書から、各回1から2章を選び、輪講形式で授業を行う。

Kevin P. Murphy. “Probabilistic Machine Learning: An Introduction”, The MIT Press, 2022.

この授業では、教科書で扱われている技術を自ら実装して授業で発表する積極的な参加姿勢が求められる。プログラミング言語はPythonを用いる。

【実務経験教員による授業】
■本科目の担当教員である熊澤努は，2001年度から2004年度まで、株式会社アドバンテストで産業用機器のソフトウェア開発に携わった。また、2011年度から現在にかけて、株式会社SRAにてソフトウェアシステムの研究並びに開発に従事しており、その業務で養った経験を活かし、機械学習に関する実用上重要な内容を講義する．　
成績評価方法レポート：100％（授業での発表、プログラム実装を含む）

達成目標事項についての演習・小問・レポート課題を行い、その成績の合計に応じて以下のように評価を与える。

S：90～100点、A：80～89点、B：70～79点、C：60～69点、D：59点以下　不合格

再試験：無
教科書資料を配布する．輪講を行う教科書については教員の指示に従うこと．
参考書授業中に適宜紹介する．
履修上の注意

授業計画授業計画

第１回：授業ガイダンス、輪講の進め方の説明を行う。

第２回：I Foundations 2章から8章の中から1～2章選択して輪講を行う。
　　主に確率論の基礎事項について復習し、知識を定着させる。

第３回：I Foundations 2章から8章の中から1～2章選択して輪講を行う。
　　 主に統計学の基本事項を復習し、知識を定着させる。

第４回：I Foundations 2章から8章の中から1～2章選択して輪講を行う。
　　 情報理論と線形代数の基本事項を復習し、知識を定着させる。

第５回：I Foundations 2章から8章の中から1～2章選択して輪講を行う。
　　 最適化法の基本事項を復習し、知識を定着させる。

第６回：II Linear Models 9章から12章の中から1～2章選択して輪講を行う。
　　 線形判別モデルを中心として取り上げる。

第７回：II Linear Models 9章から12章の中から1～2章選択して輪講を行う。
　　ロジスティック回帰について主に学習する。

第８回：II Linear Models 9章から12章の中から1～2章選択して輪講を行う。
　　線形回帰モデルと一般化線形モデルを中心に学習する

第９回：III Deep Neural Networksから13章の輪講を行う。
　　　　多層パーセプトロンの概要、誤差逆伝搬法、ニューラルネットワークの訓練を中心に学　　
　　　　ぶ。

第１０回：III Deep Neural Networksから14章の輪講を行う。
　　　 画像処理を行うためのニューラルネットワークモデルについて、畳み込みニューラルネ　
　　　　　ットワークを中心に学習する。
第１１回：III Deep Neural Networksから15章の輪講を行う。
　　 自然言語などの系列を扱うニューラルネットワークを学習する。

第１２回：IV Nonparametric Models 16章から18章の中から1～2章選択して輪講を行う。
　　　　　カーネル法、サポートベクタマシン、K-近傍法などのノンパラメトリックモデルを学習　　
　　　　　する。

第１３回：IV Nonparametric Models 16章から18章の中から1～2章選択して輪講を行う。
　　 決定木学習、バギング、ブースティングに代表される各種ノンパラメトリック法を中心
　　　　　に学習する。

第１４回：V Beyond Supervised Learning 19章から23章の中から1～2章選択して輪講を行う。
　　 転移学習に代表される学習データの小規模化、次元の削減技術を主に学習する。

第１５回：V Beyond Supervised Learning 19章から23章の中から1～2章選択して輪講を行う。
　　 クラスタリング技術とグラフの埋め込みについて主に学習する。
　　　　　定期試験は実施しない

授業外学習

授業は輪講形式で行う．教科書の担当個所について，授業前に概要を調査した資料を作成しておくこと．また，各回の授業後には教科書を読んで演習問題を解くなど，復習を行うこと．
予習と復習には90分程度かけることが期待される．

注意