学部・大学院区分
Undergraduate / Graduate
工・博前
時間割コード
Registration Code
2843510
科目区分【日本語】
Course Category
専門科目
科目区分【英語】
Course Category
Specialized Courses
科目名 【日本語】
Course Title
知的情報システム特論
科目名 【英語】
Course Title
Intelligent Information Systems
コースナンバリングコード
Course Numbering Code
担当教員 【日本語】
Instructor
小川 浩平 ○ 佐藤 理史
担当教員 【英語】
Instructor
OGAWA Kohei ○ SATO Satoshi
単位数
Credits
2
開講期・開講時間帯
Term / Day / Period
秋 月曜日 2時限
Fall Mon 2
授業形態
Course style
講義
Lecture
学科・専攻【日本語】
Department / Program
情報・通信工学専攻
学科・専攻【英語】
Department / Program
Department of Information and Communication Engineering
必修・選択【日本語】
Required / Selected
必修・選択【英語】
Required / Selected


授業の目的 【日本語】
Goals of the Course(JPN)
本講義では、機械学習とニューラルネットワークの学習の基本的な事項について理解し、ツールとしてこれらを使いこなせるようになることを目的とする。

この講義を習得することにより、以下のことができるようになることを目標とする。
1. 機械学習とニューラルネットの数学的基礎について理解し、説明できる。
2. 具体的な問題に対して、機械学習やニューラルネットを利用したシステムを実装し、その問題を解くことができる。
授業の目的 【英語】
Goals of the Course
This is an introductory course on machine learning and neural networks, which are important methods of artificial intelligence and many applications.

The goals of this course are to
1. be able to understand and explain the mathematical foundation of machine learning and neural networks.
2. be able to implement a system that solves a specific problem by using a tool of machine learning and neural networks.

This course is taught in Japanese.
到達目標 【日本語】
Objectives of the Course(JPN))
本講義では、機械学習とニューラルネットワークの学習の基本的な事項について理解し、ツールとしてこれらを使いこなせるようになることを目的とする。

この講義を習得することにより、以下のことができるようになることを目標とする。
1. 機械学習とニューラルネットの数学的基礎について理解し、説明できる。
2. 具体的な問題に対して、機械学習やニューラルネットを利用したシステムを実装し、その問題を解くことができる。
到達目標 【英語】
Objectives of the Course
This is an introductory course on machine learning and neural networks, which are important methods of artificial intelligence and many applications.

The goals of this course are to
1. be able to understand and explain the mathematical foundation of machine learning and neural networks.
2. be able to implement a system that solves a specific problem by using a tool of machine learning and neural networks.

This course is taught in Japanese.
バックグラウンドとなる科目【日本語】
Prerequisite Subjects
線形代数学I, II
微分積分学I, II
計算機プログラミング基礎及び演習
プログラミング及び演習
バックグラウンドとなる科目【英語】
Prerequisite Subjects
Linear Algebra I, II
Calculus I, II
Fundamental Computer Programming with Exercises
Computer Programming with Exercises
授業の内容【日本語】
Course Content
1. ネットワークの基本構造
2. 確率的勾配降下法
3. 逆誤差伝播法
4. 畳み込みニューラルネットワーク
5. 系列データのためのネットワーク
6. 注意機構
7. 生成モデル

毎回の授業前に教科書の指定個所を読んでおき、よくわからない部分を特定しておくこと。
授業時には、わからないことについて積極的に質問し、他の出席者の理解を助けること。
講義終了時は、復習すること。
最終レポートでは、ニューラルネットを何らかの問題に対して適用した結果についての報告することを要求する。
授業の内容【英語】
Course Content
1. Neural networks
2. Stochastic gradient decent
3. Back-propagation
4. Convolutional neural networks
5. Recurrent neural networks
6. Attention mechanism
7. Generation model
成績評価の方法と基準【日本語】
Course Evaluation Method and Criteria
達成目標に対しての習得度を発表内容、授業時の質問内容、および期末レポート課題にて評価する。
ニューラルネットに関する基本的な事項を理解し、既存ツールを用いて具体的な問題を解くことができれば合格とする。より高度な知識と実装スキルを身につけた場合は、それに応じて成績に反映させる。
成績評価の方法と基準【英語】
Course Evaluation Method and Criteria
The final grade will be calculated according to the oral presentation in the class and the final reports.
履修条件・注意事項【日本語】
Course Prerequisites / Notes
履修条件は要さない。
講義は輪講形式で進める。初回の講義時に、発表の割り当てを行うので、単位取得を希望する学生は、必ず出席すること。
(学会等で、どうしても出席できない場合は、あらかじめ担当教員にメールで連絡すること)

コロナの状況に応じて、対面またはオンライン(同時双方型)で実施する。
授業時間外での教員への質問は、NUCTにて対応する。
履修条件・注意事項【英語】
Course Prerequisites / Notes
No course requirements are required.
The lectures will be given in a "journal club" style. Presentation assignments will be made at the first lecture, so students who wish to receive credit must attend. (If you are unable to attend due to an academic conference, etc., please contact the instructor by e-mail in advance.)

- Please use NUCT for questions to the instructor.
教科書【日本語】
Textbook
講義の開始前(9月)に使用する教科書を掲示するので、掲示を参照のこと。
現時点では、下記の教科書を予定している。
岡谷貴之. 深層学習改訂第2版. 講談社, 2022.
教科書【英語】
Textbook
The textbook is not fixed yet. We will announce the textbook in September.
The expected textbook is:
Masayuki Okaya. Deep Learning, second edition. Kodansya, 2022.
参考書【日本語】
Reference Book
ディープラーニング入門 https://tutorials.chainer.org/
参考書【英語】
Reference Book
Introduction to Deep Learning. https://tutorials.chainer.org/
授業時間外学習の指示【日本語】
Self-directed Learning Outside Course Hours
毎回の授業前に教科書の指定個所を読んでおき、よくわからない部分を特定しておくこと。
授業時には、わからないことについて積極的に質問し、他の出席者の理解を助けること。
講義終了時は、復習すること。
最終レポートでは、ニューラルネットを何らかの問題に対して適用した結果についての報告することを要求する。
授業時間外学習の指示【英語】
Self-directed Learning Outside Course Hours
使用言語【英語】
Language used
使用言語【日本語】
Language used
授業開講形態等【日本語】
Lecture format, etc.
教室で対面で実施する。
授業開講形態等【英語】
Lecture format, etc.
Sessions are conducted face-to-face in the classroom.
遠隔授業(オンデマンド型)で行う場合の追加措置【日本語】
Additional measures for remote class (on-demand class)
遠隔授業(オンデマンド型)で行う場合の追加措置【英語】
Additional measures for remote class (on-demand class)