シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
知能システム論２ | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ ２ | ||
| 開講年度 /Academic year |
2019年度 | 開講年次 /Year offered |
全年次 |
| 開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
博士前期課程、博士後期課程 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
選択科目 | ||
| 開講類・専攻 /Cluster/Department |
情報メディアシステム学専攻 | ||
| 担当教員名 /Lecturer(s) |
工藤 俊亮 | ||
| 居室 /Office |
東2-605 | ||
| 公開E-mail |
s-kudoh@uec.ac.jp | ||
| 授業関連Webページ /Course website |
http://www.taka.is.uec.ac.jp/~kudoh/lecture/2019_chinou/ | ||
| 更新日 /Last update |
2019/03/01 18:23:00 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 講義の狙い、目標 |
(a) 狙い ロボットを動作させることを考えたとき，機構や制御に関する知識は当然重要であるが，その他にも，周囲の状況をロボットに適切に認識させるための技術がきわめて重要となる．そのために，パターン認識・機械学習とよばれる分野を理解することが必要である．本講義では，ロボティクスの分野で近年よく用いられるベイズ的なアプローチを中心に，パターン認識・機械学習に関する代表的な手法について網羅的に学ぶ． (b) 目標 講義で紹介する様々な手法（モデル）の特徴を「理解」することを目指す．ここでいう「理解」とは，1) 各手法そのものを説明でき，2) それが他の手法とどう違うかを説明でき，3) 自分の研究で必要になったときに，適切な手法を選択して用いることができること，を意味する． (a) Theme When you develop a robot to execute some task, techniques for recognizing environment appropriately are quite important, as well as techniques for control and mechanism. For the purpose, it is necessary to understand the field called pattern recognition and machine learning. The course lectures major methods of pattern recognition and machine learning, focusing on Bayesian approaches, which are often used in the robotics field recently. (b) Goal After taking the course, the students should have a clear understanding of major methods of pattern recognition and machine learning. Here, the understanding means that they can 1) describe each method, 2) describe difference among the methods, and 3) select the most suitable method when it is necessary for their research. |
|---|---|
| 内容 |
(a) 内容 以下の内容を予定しているが，受講者の興味・理解度に応じて，順序を変更したり解説を追加・省略する可能性がある． 1. ガイダンス・機械学習とは 2. 確率の基礎 3. 確率分布 4. パラメタの推定 5. 線型回帰モデル 6. 線型回帰モデル（ベイズ的アプローチ） 7. 線型識別モデル 8. 線型識別モデル（ベイズ的アプローチ） 9. カーネル法 10. サポートベクタマシン 11. グラフィカルモデル 12. EMアルゴリズム 13. サンプリング法 14. 連続潜在変数 15. 系列データ (b) 授業の進め方 上記の内容を，おもにスライド・板書によって解説する． (a) Course outline The following topics are planed, but it can be modified according to students' interest and level of understanding. 1. Guidance -- What is machine learning? 2. Basic probability theory 3. Probabilistic distributions 4. Parameter estimation 5. Linear models for regression 6. Linear models for regression (Bayesian approach) 7. Linear models for classification 8. Linear models for classification (Bayesian approach) 9. Kernel methods 10. Support vector machines 11. Graphical Models 12. EM algorithm 13. Sampling methods 14. Continuous Latent Variables 15. Sequential Data (b) Method lecture using slides |
| 教科書、参考書 |
以下の書籍を教科書とする．ただし，必ずしも各自で購入する必要はない． 大まかには教科書にそって講義をするが，受講者の理解の度合いや授業時間などに応じて，内容の取捨選択は行う． C. M. Bishop "Pattern Recognition And Machine Learning" (Springer) 日本語訳：C. M. ビショップ 『パターン認識と機械学習 上・下』（シュプリンガー・ジャパン） The textbook for the course is C. M. Bishop "Pattern Recognition And Machine Learning" (Springer) Students do not need to buy the book. The course roughly follows the book, choosing topics according to students' level of understanding. |
| 予備知識 |
基本的な（大学教養レベルの）線型代数・解析についての知識は前提とする．確率については，基本的な内容から講義で説明するので，高校程度の知識（場合の数，平均・分散など）があれば良い． It is assumed the students have basic (liberal arts level) knowledge about linear algebra and mathematical analysis. |
| 演習 |
必要に応じて，理解度をみるための演習課題を課す．この結果（出来不出来）は成績評価に影響しないが，未提出の課題が一定数を越える者には単位を与えない． Assignments will be given as necessary to check the level of students' understanding. Although results of them (good or bad) are not considered for grade evaluation, the credit will not be given to the students that the number of unsubmitted assignments exceeds a certain standard. |
| 成績評価方法 および評価基準 |
中間・期末レポートにより成績を評価する．レポート課題としては，授業で取り扱った事柄のうちで，基本的なものに関する理解度を測るものとする．合格の最低基準は，中間・期末レポートがどちらも受理されていること． The students will be evaluated by mid-term and final reports. The reports ask about basic topics lectured in the course to evaluate students' degree of understanding. The minimum requirement for giving the credit is that both reports are accepted. |
| その他 /Others |
特になし． None |
| キーワード /Keywords |
機械学習，パターン認識，ベイズ理論 Machine learning, pattern recognition, Bayesian theory |