2024年度学院等開講科目工学院経営工学系エンジニアリングデザインコース

イノベーションに向けた機械学習

開講元: エンジニアリングデザインコース
担当教員: 田中正行
授業形態: 講義 (対面型)
メディア利用科目: -
曜日・時限 (講義室): 金5-6 (S2-204（S221）)
クラス: -
科目コード: ESD.D508
単位数: 100
開講時期: 2024年度
開講クォーター: 2Q
シラバス更新日: 2025年3月14日
使用言語: 英語

シラバス

授業の目的（ねらい）、概要

機械学習は、自律走行車、ロボット工学、医療診断など、多くのアプリケーションで広く使われている。画像の認識は、機械学習や人工知能の最良の例のひとつつである。本講義のトピックには、畳み込み層、完全接続層、プーリング層、ReLU層、ソフトマックス層など、深層学習の基本的な構成要素が含まれます。また、このコースでは、学生は自分でPytorchを使用してネットワークを開発し、学習することを想定しています。

到達目標

(i) ディープニューラルネットワークを構築し学習する能力を身につける、
(ii)PyTorchを用いた数値計算環境を用いて工学的な問題を解決する能力を身につける、
(iii)モメンタムやデータ論証などのディープラーニング技術を応用できる実践力を身につける。

キーワード

Object recognition, Convolutional neural network (CNN), Deep learning, PyTorch

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

このクラスは一種のアクティブラーニングです。講師はいくつかの情報を提供しますが、学生はPyTorchのコードを開発する必要があります。

授業計画・課題

	授業計画	課題
第1回	イントロダクション	イントロダクション
第2回	Image classificationとは	Image classification
第3回	最急降下アプローチ	最急降下アプローチ
第4回	損失関数	損失関数
第5回	過適応	過適応
第6回	特徴量抽出と転移学習	特徴量抽出と転移学習
第7回	識別手法	識別手法
第8回	応用例	応用例

準備学修(事前学修・復習)等についての指示

このクラスは一種のアクティブラーニングです。講師はいくつかの情報を提供しますが、学生はPyTorchのコードを開発する必要があります。

教科書

なし、WEB検索からたくさんの情報が得られます。

参考書、講義資料等