2024年度学位プログラムとして特別に設けた教育課程学位プログラムとして特別に設けた教育課程データサイエンス・AI全学教育機構

先端データサイエンス・AI発展第一

開講元: データサイエンス・AI全学教育機構
担当教員: 金﨑朝子 / 小野功 / 井上中順 / 山田寛章 / 新田克己 / 三宅美博
授業形態: 講義 (ライブ型)
メディア利用科目: -
曜日・時限 (講義室): 水5-6
クラス: -
科目コード: DSA.A601
単位数: 100
開講時期: 2024年度
開講クォーター: 4Q
シラバス更新日: 2025年3月17日
使用言語: 英語

シラバス

授業の目的（ねらい）、概要

深層学習は，多層のニューラルネットワークを用いた人工知能技術の一つであり，画像認識，音声認識，自然言語処理などのさまざまな分野で大きな成果を生み出しています．本講義では，理工系の研究者・技術者として活躍していくために重要となる，代表的な深層学習手法とその応用について教授します．本講義は，基盤人工知能(発展)で扱えなかった発展的な内容を扱います．

到達目標

深層学習の代表的なアルゴリズム，および，その応用方法について理解する．

キーワード

深層学習，CNN，VAE，GAN，RNN，LSTM，Attention，Transformer，深層強化学習

学生が身につける力

専門力
教養力
コミュニケーション力
展開力 (探究力又は設定力)
展開力 (実践力又は解決力)

授業の進め方

ZOOMを利用し，大岡山とすずかけ台いずれのキャンパスでも受講できるようにする．

授業計画・課題

	授業計画	課題
第1回	CNN，VAE，GANと音声認識・画像認識への応用（１）	CNN，VAE，GANと音声認識・画像認識への応用について理解する．
第2回	CNN，VAE，GANと音声認識・画像認識への応用（２）	CNN，VAE，GANと音声認識・画像認識への応用について理解する．
第3回	RNN，LSTM，Attention，Transformerと自然言語処理・音声認識への応用（１）	RNN，LSTM，Attention，Transformerと自然言語処理・音声認識への応用について理解する．
第4回	RNN，LSTM，Attention，Transformerと自然言語処理・音声認識への応用（２）	RNN，LSTM，Attention，Transformerと自然言語処理・音声認識への応用について理解する．
第5回	深層強化学習とロボット制御，自然言語処理への応用（１）	深層強化学習とロボット制御，自然言語処理への応用について理解する．
第6回	深層強化学習とロボット制御，自然言語処理への応用（２）	深層強化学習とロボット制御，自然言語処理への応用について理解する．
第7回	深層強化学習とロボット制御，自然言語処理への応用（３）	深層強化学習とロボット制御，自然言語処理への応用について理解する．

準備学修(事前学修・復習)等についての指示

学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。

教科書

特になし

参考書、講義資料等

T2SCHOLAにて電子的に配布する

成績評価の方法及び基準

授業内での課題とレポート，および，発展的課題レポートに基づいて評価する

履修の条件・注意事項

- 線形代数学，微分積分学，数理統計学に関する基本的な知識があること．
- Pythonによる基本的なプログラミングができること．
- 基盤人工知能または基盤人工知能発展，および，基盤人工知能演習または基盤人工知能発展演習で教えている内容が理解できること．