Numbering Code	G-HUM34 5D036 LJ12	Year/Term	2022 ・ Second semester
Number of Credits	2	Course Type	Lecture
Target Year	Master's students	Target Student
Language	Japanese	Day/Period	Wed.4
Instructor name	DE BRECHT，Matthew (Graduate School of Human and Environmental Studies Associate Professor)
Outline and Purpose of the Course	近年、人工知能の能力が飛躍的に進歩しており、一般社会への実用的な応用が増加している。また、様々な研究分野では膨大な実験データを解析する手法として人工知能の有効性が注目されている。この授業では、人工知能を実現するために用いられる様々な手法を解説し、最近の応用例と成果を紹介する。
Course Goals	人工知能に関する基本知識を取得し、将来自身で応用できるように具体的なアルゴリズムを学ぶ。
Schedule and Contents	授業計画 第１回：授業のイントロダクション 第２回：人工知能の歴史・背景 第３回：二値分類・単純パーセプトロン 第４回：最尤推定・線形判別分析(LDA) 第５回：勾配降下法・ロジスティック回帰 第６回：モデル選択・k分割交差検証 第７回：スパース性・L1正則化 第８回：サポートベクトルマシン・カーネル法 第９回：線形回帰・カーネル回帰 第１０回：次元削減・主成分分析 第１１回：次元削減・非線形的手法 第１２回：多層ニューラルネットワーク・誤差逆伝播法 第１３回：畳み込みニューラルネットワーク 第１４回：敵対的生成ネットワーク（GAN） 第１５回：リカレントニューラルネットワーク・LSTM 定期試験は実施しない
Evaluation Methods and Policy	平常点評価。数回の演習課題（４０％）とレポート（６０％）により到達目標の達成度に基づき評価する。
Course Requirements	線形代数、微分積分など数学の基本的な知識を持ち、プログラミングできることが望ましい。
Study outside of Class (preparation and review)	授業の内容を復習し、演習課題を提出すること。