シラバス参照

科目名 システム工学特論A 
科目名(英字) Advanced Systems Engineering A 
担当者氏名

小林 健太郎

対象研究科・専攻 理工学研究科電気電子工学専攻博士前 
講義学期 前期 
単位数



準備学習・事後学習
以下について講義時間の2倍を目安に自学自習を行うこと.
事前学習:次回の授業範囲を予習し,専門用語の意味等を理解しておくこと.
事後学習:前回の授業内容を復習しておくこと. 
授業の概要と目的
ディープラーニング(深層学習)と呼ばれる機械学習技術は,画像認識,ロボット制御だけでなく,通信信号処理など様々な工学分野で発展を見せている.本講義では,その機械学習の仕組みを学ぶ. 
該当するCP(カリキュラム・ポリシー)およびDP(ディプロマ・ポリシー)
本授業はCP1およびDP1に該当する。 
科目ナンバリングコード
GTE11309 
到達目標
機械学習の原理を数学的に説明できる.ニューラルネットワークの原理を数学的に説明できる.ニューラルネットワークを用いた機械学習を設計・実装できる. 
授業内容
番号 【項目欄】 【内容欄】
1. 線形回帰  線形回帰を通して機械学習の原理を理解する. 
2. 確率論  確率論を復習し,理解度を深める.自信の度合いを確率の枠組みで考えるベイズ確率を理解する. 
3. ベイズ確率  観測した結果による自身の度合い(ベイズ確率)の更新の仕組みを理解する. 
4. ベイズ線形回帰  線形回帰にベイズ確率の考えを応用したベイズ線形回帰を理解する. 
5. 分類問題  データの分類問題を扱う機械学習の原理を理解する. 
6. ロジスティック回帰/勾配法  分類問題にベイズ確率の考えを応用したロジスティック回帰を理解する.重みパラメータの最適化を行うための勾配法を理解する. 
7. モデル選択/ニューラルネットワーク  学習データから良いモデルを選択する手法を理解する.ニューラルネットワークの基本構成と実装方法を理解する. 
8. ニューラルネットワークの学習(1)  ニューラルネットワークの学習アルゴリズムと損失関数を理解する. 
9. ニューラルネットワークの学習(2)/誤差逆伝搬法(1)  ニューラルネットワークの学習アルゴリズムの実装方法を理解する.勾配計算を効率よく行う誤差逆伝搬法の基礎となる計算グラフを理解する. 
10. 誤差逆伝搬法(2)  誤差逆伝搬法を用いたニューラルネットワークの実装方法を理解する. 
11. 畳み込みニューラルネットワーク(1)  畳み込みニューラルネットワークの構成と畳み込み演算・プーリング演算を理解する. 
12. 畳み込みニューラルネットワーク(2)  畳み込みニューラルネットワークの実装方法を理解する. 
13. 学習に関するテクニック  学習に関する各種テクニックと実装方法を理解する. 
14. ニューラルネットワークの実装演習(1)  これまでの学習内容と自身が調査した内容を元に畳み込みニューラルネットワークの設計・実装を行う. 
15. ニューラルネットワークの実装演習(2)  自身が設計・実装を行った畳み込みニューラルネットワークについてプレゼンテーションを行う. 
その他(履修条件・関連科目など)
関連科目:システム情報通信工学特別演習・実験1A/1B/2A/2B 
授業形態・方法
講義・演習 
成績評価方法
レポート(主にプログラミング課題)50%,プレゼンテーション50% 
成績評価基準
 C(合格)となるためには、到達目標を最低限達成することが必要である。 
テキスト
番号 【書籍名】 【著者】 【出版社】
1. わかがわかる機械学習  中谷 秀洋  技術評論社 
2. ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装  斎藤 康毅  オライリー・ジャパン , オーム社(発売) 
参考資料文献等
番号 【書籍名】 【著者】 【出版社】
1. 必要に応じて提示     
参考URL
画像
ファイル
更新日付 2022/02/01 11:04


PAGE TOP