2025年度 (最新) 学院等開講科目情報理工学院数理・計算科学系数理・計算科学コース

数理・計算科学特論OB

開講元: 数理・計算科学コース
担当教員: 小林健一 / 宗像聡 / 成田顕一郎 / 白幡晃一 / 長坂侑亮 / 酒井彬 / 鈴木彼方 / 市川佑馬 / 増原英彦
授業形態: 講義 (対面型)
メディア利用科目: -
曜日・時限 (講義室): 集中講義等
クラス: -
科目コード: MCS.T425
単位数: 200
開講時期: 2025年度
開講クォーター: 3～4Q
シラバス更新日: 2025年12月4日
使用言語: 日本語

シラバス

授業の目的（ねらい）、概要

数理・計算科学に関連する最近の話題について扱う。従来の理論や技術から今日に至るまでの経緯を踏まえ、特に最近行われている研究や技術開発について専門的な見地からの紹介と解説を行う。本年度はいわゆるAI、特に大規模言語モデル・機械学習を中心とした技術について、企業研究所における様々なプロジェクトを題材とした講義を行う。AI技術を応用する際の数理・計算科学的な研究・開発課題や、AI技術を支える高性能計算基盤に関する研究・開発の動向を解説し、変化の激しいAI技術に関する研究・技術開発についての横断的な知識を提供する。

到達目標

終了時には、取り上げられたトピックに関する最新の研究・開発の動向について、分野横断的な理解が深まる。

実務経験のある教員等による授業科目等

実務経験と講義内容との関連 (又は実践的教育内容)

講義内容は企業における研究部門で研究開発の実経験に即したものである。

キーワード

大規模言語モデル、ハルシネーション、生成AI、知識グラフ、シミュレーション、ロボティクス、機械学習、深層学習、数理最適化

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

授業は講義形式で行います。

授業計画・課題

	授業計画	課題
第1回	大規模言語モデルの基礎と発展	大規模言語モデルの概観を知る
第2回	ハルシネーション対策と富士通技術	ハルシネーションに関する技術課題を理解する
第3回	AIやシミュレーションを加速するコンピューティング技術	今日のコンピューティング技術の技術点焦点を理解する
第4回	スーパーコンピュータを用いた深層学習の大規模並列計算	スーパーコンピュータを深層学習に用いる場合の技術的な課題を理解する
第5回	模倣学習によるロボット動作の学習と生成	模倣学習とそのロボティクス応用について理解する
第6回	基盤モデルのロボティクス応用	ロボット基盤モデルの既念と応用を理解する
第7回	超音波AIを用いた医用画像処理	医療用超音波画像のためのAI画像処理の技術を概観する
第8回	超音波AIの冷凍マグロ検査応用	冷凍マグロ検査応用のためのAI画像処理の技術を概観する
第9回	数理最適化と深層学習	数理最適化と深層学習の関係を、特に大規模計算応用の側面から理解する
第10回	省電力とエッジ化に向けた大規模言語モデルの圧縮手法とその数理	大規模言語モデルの圧縮について数理的側面から理解する
第11回	.	.
第12回	.	.
第13回	.	.
第14回	.	.

準備学修(事前学修・復習)等についての指示

効果的な学修のために、1回の授業につき、約100分の予習と約100分の復習 (課題を含む) を行うことをお勧めします。
その際、教科書やその他の教材を参照することが望ましい。

教科書

教科書は用いません。

参考書、講義資料等

参考書は授業中にお知らせします。

成績評価の方法及び基準

初回授業にて説明

履修の条件・注意事項

ありません。