Artificial Intelligence
| Numbering Code | U-HUM22 28225 LJ12 | Year/Term | 2022 ・ Second semester |
|---|---|---|---|
| Number of Credits | 2 | Course Type | Lecture |
| Target Year | From 2nd to 4th year 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 | 数回の演習課題（４０％）とレポート（６０％）により評価する。 | ||
| 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。 | ||
