学部・大学院区分
Undergraduate / Graduate
情報学部
時間割コード
Registration Code
1002180
科目区分
Course Category
専門科目(自然情報)関連専門科目(人社,CS)
科目名 【日本語】
Course Title
計算情報学5
科目名 【英語】
Course Title
Computational Informatics 5
コースナンバリングコード
Course Numbering Code
SIS-11-3049-J
担当教員 【日本語】
Instructor
北 栄輔 ○
担当教員 【英語】
Instructor
KITA Eisuke ○
単位数
Credits
1
開講期・開講時間帯
Term / Day / Period
秋2期 月曜日 4時限
Fall2 Mon 4
対象学年
Year
3年
3
授業形態
Course style
講義
Lecture
開講系(学部)・開講専攻(大学院)
Subject
自然・複雑システム
必修・選択
Required / Selected
選択


授業の目的 【日本語】
Goals of the Course(JPN)
機械学習手法の基本と応用について学ぶ.機械学習手法においては,MLP,RNN,CNN,決定銀度について学び,応用においては画像判別,株価予測,農業分野への応用などについて学ぶ.
授業の目的 【英語】
Goals of the Course
We learn about the basics and applications of machine learning methods. In machine learning methods, we learn about MLP, RNN, CNN, and determinant silver levels, and in applications, we learn about image discrimination, stock price prediction, and applications in the agricultural field.
到達目標 【日本語】
Objectives of the Course(JPN)
機械学習手法の基本と応用について学ぶ.機械学習手法においては,MLP,RNN,CNN,決定銀度について学び,応用においては画像判別,株価予測,農業分野への応用などについて学ぶ.
到達目標 【英語】
Objectives of the Course
We learn about the basics and applications of machine learning methods. In machine learning methods, we learn about MLP, RNN, CNN, and determinant silver levels, and in applications, we learn about image discrimination, stock price prediction, and applications in the agricultural field.
授業の内容や構成
Course Content / Plan
1. ガイダンス
2. MLP概論
3. RNN概論
4. CNN概論
5. GAN概論
6. 決定木概論
7. ベイジアンニューラルネットワーク概論
8. 総括
1. Guidance
2. Introduction to MLP
3. Introduction to RNN
4. Introduction to CNN
5. Introduction to GAN
6. Introduction to decision tree model
7. Introduction to Bayesian Neural Networks
8. Summary
履修条件・関連する科目
Course Prerequisites and Related Courses
特に指定しない.
成績評価の方法と基準
Course Evaluation Method and Criteria
義毎に与える演習課題の評価40%,定期試験60%,合計100点満点で60点以上を合格とする。
教科書・参考書
Textbook/Reference book
必要に応じて配布する。履修条件は要さない。
課外学習等(授業時間外学習の指示)
Study Load(Self-directed Learning Outside Course Hours)
講義で説明した内容の理解を深めるための演習課題を与える。
授業開講形態等
Lecture format, etc.
原則,対面で行う.
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)