学部・大学院区分
Undergraduate / Graduate		理学部
時間割コード
Registration Code		0619911
科目区分
Course Category		専門科目
Specialized Courses
科目名　【日本語】
Course Title		統計・情報数理特別講義Ⅱ
科目名　【英語】
Course Title		Special Course on Statistics and Information Science II
コースナンバリングコード
Course Numbering Code
担当教員　【日本語】
Instructor		瀧　雅人 ○
担当教員　【英語】
Instructor		TAKI Masato ○
単位数
Credits		1
開講期・開講時間帯
Term / Day / Period		春集中 その他 その他
Intensive(Spring) Other Other
授業形態
Course style		講義
Lecture
学科・専攻
Department / Program
数理学科
必修・選択
Compulsory / Selected
選択


授業の目的　【日本語】
Goals of the Course(JPN)
機械学習、深層学習の仕組みを理論面と実装面から理解する。また、その基礎的な理解を元にしてこの十年ほどの深層学習の飛躍的な発展についてoverviewし、この技術がどのように活用されているのかについても理解する。
授業の目的　【英語】
Goals of the Course
到達目標　【日本語】
Objectives of the Course(JPN))
以下の項目について理解してこの分野を概観できるようになる：
基本的な機械学習アルゴリズムの仕組みの理解、
汎化と過学習、バイアスとバリアンスのトレードオフ、
ニューラルネットワークと機械学習の関係、
深層化実現のための様々な技術、
アーキテクチャデザインと帰納バイアスについての理解、
深層学習の応用例と問題点。
到達目標　【英語】
Objectives of the Course
授業の内容や構成
Course Content / Plan
以下のような項目を扱います：
機械学習入門、
汎化と過学習、
正則化、
勾配降下法と最適化、
ニューラルネットと深層ニューラルネット、
計算グラフ、
誤差逆伝播法とリバースモード自動微分、
深層化の困難とその解消、
CNNと帰納バイアス、
深層学習の実装法、
深層学習の成功事例、
深層学習の問題点と謎。
履修条件
Course Prerequisites
線形代数、解析学、確率・統計学についての基本的な理解を有していること。

This course will be taught in Japanese.
関連する科目
Related Courses
線形代数、解析学、確率・統計学
成績評価の方法と基準
Course Evaluation Method and Criteria
最終レポート課題の提出によって評価する。
不可(F)と欠席(W)の基準
Criteria for "Fail (F)" & "Absent (W)" grades
参考書
Reference Book
Ian Goodfellow,Yoshua Bengio,Aaron Courville「深層学習」KADOKAWA

そのほかの参考文献は都度授業中に提示する。
教科書・テキスト
Textbook
特定のテキストの指定はない。
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours)
注意事項
Notice for Students
-
他学科聴講の可否
Propriety of Other department student's attendance
可
他学科聴講の条件
Conditions for Other department student's attendance
線形代数、解析学、確率・統計学についての基本的な理解を有していること。
レベル
Level
1
キーワード
Keyword
機械学習、ニューラルネットワーク、深層学習
履修の際のアドバイス
Advice
この授業は理論面を中心に進めますが、Pythonによるプログラミングの基礎を自習の上受講すると、実装面についても理解が進むと思います。
授業開講形態等
Lecture format, etc.
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class)