授業ノート・
ビデオのある講義

 
現在位置: ホーム シラバス集(2017年度) 情報学研究科 システム科学専攻(専攻専門科目) 3545000 計算知能システム論

3545000 計算知能システム論

シラバスID g_inf_4782
開講年度・開講期 通年集中
授業形態 集中講義
対象学生 Graduate
使用言語 日本語
曜時限 集中
教員
  • 田中 利幸(情報学研究科)
  • 上田 修功
授業の概要・目的 情報関連技術の急速な進展のおかげで、我々は今や膨大なデータを収集し蓄積することが可能であるが、同時に、膨大なデータのなかから有用な情報をいかに効率よく抽出するかという問題がその重要度を増している。本講義では、統計的学習理論などの統計科学の枠組みにもとづく計算知能の手法について講述するとともに、データからの情報抽出の問題への応用についても解説する。
到達目標 統計的学習理論に代表される統計科学の枠組みにもとづく計算知能の手法について理解するとともに,データからの情報抽出の問題への応用事例についても学ぶ.
授業計画と内容 担当教員:田中利幸・上田修功(NTTコミュニケーション科学基礎研究所)
 
統計的学習の基礎,最適化の技法(4回,担当:田中)
計算知能システムの基盤という観点から,収集されたデータからその統計的構造を取り出す統計的学習の方法論について,確率統計の基礎から始め,最尤推定,混合分布とEMアルゴリズムなどの事項を取り上げて講述する.また,統計的学習の効率的な実装に際して重要となる最適化の技法についても紹介する.

ベイズ学習の基礎と応用(4回,担当:上田)
ベイズ学習の基礎からパターン認識、データマイニング応用について、基礎的な事項について講義するとともに、関係データ分析などのデータマイニングの最近の実応用事例についても紹介する。基礎的な事項については、クラスタリングのクラスタ数決定の土台理論となるディリクレ過程混合モデルについても講述する。
成績評価の方法・観点及び達成度 レポートにもとづいて評価する.講義で説明する基本的な概念と,それらが実データの解析にどう応用されるかについての基礎的な理解を得ることを達成目標とする.
履修要件 理系学部程度の数学の知識を前提とする.
授業外学習(予習・復習)等 講義で取り扱うアルゴリズムの具体的な導出過程について,講義資料をもとに復習しておくこと.
参考書等
  • 計算統計I (第III部), 樺島祥介, 上田修功 共著, (岩波書店),
  • 続、よくわかるパターン認識, 石井健一郎,上田修功, (オーム社),