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) |
ベイズ的人工知能特論 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Advanced Theory on Bayesian Artificial Intelligence | ||
| 科目番号 /Code |
|||
| 開講年度 /Academic year |
2020年度 | 開講年次 /Year offered |
全学年 |
| 開講学期 /Semester(s) offered |
前学期 | 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 |
大学院専門教育科目 - 専門科目Ⅱ | ||
| 開講学科・専攻 /Cluster/Department |
情報・ネットワーク工学専攻 | ||
| 担当教員名 /Lecturer(s) |
植野 真臣 | ||
| 居室 /Office |
西10-432 | ||
| 公開E-Mail |
ueno@ai-lab.uec.ac.jp | ||
| 授業関連Webページ /Course website |
http://www.ai.is.uec.ac.jp/ | ||
| 更新日 /Last updated |
2020/03/11 14:22:49 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標 /Topic and goals |
近年、データサイエンス、人工知能分野で注目されているベイズ的アプローチの基礎、考え方、手法について学ぶ． The purpose of this lecture is to learn Bayesian approach which is the state-art technology of AI and Data Science . |
|---|---|
| 前もって履修 しておくべき科目 /Prerequisites |
確率統計、アルゴリズム、離散数学、グラフ理論、グラフ理論 Probability, Algorithm, Discrete mathematics, Graph theory |
| 前もって履修しておくこ とが望ましい科目 /Recommended prerequisites and preparation |
情報理論、機械学習、人工知能 Information theory, Machine learning, Artificial Intelligence |
| 教科書等 /Course textbooks and materials |
ベイジアンネットワーク、植野真臣、コロナ社 Bayesian network, Maomi Ueno, Corona 確率的グラフィカルモデル、鈴木譲、植野真臣編著 共立出版 Probabilistic Graphical Model, Editors, Joe Suzuki, Maomi Ueno, Kyoritsu Publisher |
| 授業内容と その進め方 /Course outline and weekly schedule |
ベイズ的アプローチの基礎と人工知能，機械学習への応用アルゴリズムを学ぶ。 1.ガイダンス 2.ベイズはどのようにして生まれたか？ 3. ベイズはコンピュータ、人工知能の父である！！ 4. アランチューリングとベイズ 5.ビリーフとベイズの定理 6. ビリーフとベイズの定理(2) 7. 尤度推定と機械学習 8. ベイズ推定と機械学習(1) 9. ベイズ推定と機械学習(2) 10. ベイズ意思決定 11. 確率的グラフィカルモデルベイジアンネットワーク 12. ベイジアンネットワークの推論 13. ベイジアンネットワークと他の機械学習モデルとの関係 14. ベイズ分類機 15. まとめと評価 |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等） /Preparation and review outside class |
課題、レポートが課され、復習をする Assignment and report |
| 成績評価方法 および評価基準 （最低達成基準を含む） /Evaluation and grading |
演習問題、レポート、課題プログラム、最終テストよって評価する Assessment method: Excise, report, programming task, Test |
| オフィスアワー： 授業相談 /Office hours |
金曜日 午後 Friday afternoon |
| 学生へのメッセージ /Message for students |
ベイズはデータサイエンス、人工知能、機械学習の必須基礎知識です。 |
| その他 /Others |
出席点をとります。 The attendance record will be reflected to the final evaluation. |
| キーワード /Keyword(s) |
人工知能、アルゴリズム、ベイズ統計、グラフ理論,ベイジアンネットワーク、マルコフネットワーク、マルコフランダムフィールド、条件付きランダムフィールド、ニューラルネットワーク、深層学習, ベイズ分類機 Artificial Intelligence, Algorithm, Bayesian statistics, Graph theory, Bayesian network, Markov network, Markov Random field, Conditional Random Field, Neural Network, Deep Learning, Bayesian Classifier |