講義概要
2012年からのAIの流行は、組み込みやIoT機器を含む多くの分野へその応用の裾野を広げている。本講義では、AIの歴史と、第3次ブームとも言われる近年のAI技術の核となる機械学習、脳神経細胞を模したニューラルネットワークとディープラーニングについて、数値計算や画像認識を題材として基礎から実装まで講義する。講師
- 所属
- 高知工科大学
- 講師名
- 吉田 真一
高知工科大学情報学群准教授。1996年中央大学理工学部卒業、2001年東京工業大学大学院修了、博士(工学)。東京工業大学、青山学院大学を経て、2007年より高知工科大学所属。日本知能情報ファジィ学会、IEEE、電子情報通信学会、情報処理学会等役員歴任。
講義内容
- 人工知能研究の歴史 （初期の人工知能（第1次）、産業応用発展（第2次）、ディープラーニング（第3次）
- 機械学習の基礎 – 教師付き学習と教師無し学習
- 回帰と分類 - 線形回帰・ロジスティック回帰、最適化と最小二乗誤差、過学習と次元の呪い
- ニューラルネットワークの基礎と歴史
- ディープラーニング – オートエンコーダ、畳み込みニューラルネットワーク、最新のニューラルネットワークモデルの紹介
受講要件
- 【受講要件】
- 理工系大学レベルの数学の知識（微積分、線形代数、確率統計）があることが望ましいが、高等学校の数学でも十分に受講可能。プログラミングの知識があることが望ましい。
- 【事前学習のポイント】
- 事前学習教材は、機械学習の概要と基礎、ニューラルネットワークを説明しており、一読して頂くことで、本講義の理解を深められます。
事前学習教材
- 講義２週間前に電子ファイルで提供（事前学習を推奨）
講義に関連する解説記事・参考文献・図書等
- Raschka, Mirjalili,「第2版Python機械学習プログラミング」
- Bishop, 「パターン認識と機械学習」