人工知能Ⅱ (K32A)

学修到達目標	人工知能の中の機械学習に焦点を当て，機械学習の各種技法とニューラルネットワークについて理解し，説明できる。
授業形態及び授業方法	授業は，対面（プロジェクタ使用）で実施する。
準備学習（予習・復習等）の内容・受講のための予備知識	学部科目「人工知能」など，基礎的な人工知能の科目の受講経験を有すること。準備学習として約30分～1時間でシラバスに記載の毎回の授業計画の内容を確認し，あらかじめ配付資料の該当箇所を一読し授業に臨むこと。授業で行った内容を見直すこと。

第1回	人工知能の歴史と機械学習
第2回	回帰分析（最小二乗法）
第3回	回帰分析（最尤推定法）
第4回	順伝播型ニューラルネットワーク
第5回	順伝播型ニューラルネットワーク（出力層の設計と誤差関数）
第6回	順伝播型ニューラルネットワーク（パーセプトロン）
第7回	順伝播型ニューラルネットワーク（ADALINEと確率的勾配降下法）
第8回	深層学習（ネオコグニトロンとその応用）
第9回	深層学習（畳込みニューラルネット1）
第10回	深層学習（畳込みニューラルネット2）
第11回	深層学習（自己符号化器）・人工知能の応用
第12回	サポートベクトルマシン（SVM）
第13回	決定木学習・k近傍法
第14回	k-近傍法・k-平均法
第15回	Pythonで機械学習

教科書	特になし。
参考資料コメント及び資料（技術論文等）	(1) Sebastian Raschka 『Python機械学習プログラミング－達人データサイエンティストによる理論と実践－』インプレス 2016年 (2) 中井悦司『ITエンジニアのための機械学習理論入門』技術評論社 2015年 (3) 岡谷貴之『深層学習』機械学習プロフェッショナルシリーズ講談社 2015年
成績評価の方法及び基準	授業への出席を前提に，最終課題レポートの提出(100%)によって評価し，60点以上を合格とする．ただし，課題はその内容が一定の水準を満たしていないと判断した場合は提出と認めない．
質問への対応	随時メールで受け付ける。
研究室又は連絡先	高橋聖（船橋校舎2号館213B室）takahashi.sei@nihon-u.ac.jp
オフィスアワー	月曜船橋 00:00 ～ 00:00 メールで対応します
学生へのメッセージ	意欲を持って取り組んでいただきたい。

2022年 大学院理工学研究科 シラバス - 情報科学専攻