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 |
2023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 | ||
| 開講類・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.lab.uec.ac.jp/lecture/ | ||
| 更新日 /Last update |
2023/04/14 08:39:48 | 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（2,000文字以内） /Themes and goals（up to 2,000 letters） |
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、手法の概論について学ぶ．概論的に理解することを重視し、歴史や考え方、他手法との関係を俯瞰的に理解する． The purpose of this lecture is to learn an outline and history of 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（1,000文字以内） /Prerequisites（up to 1,000 letters） |
特になし None |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
情報理論、機械学習、人工知能, 確率統計、アルゴリズム、離散数学、グラフ理論 Information theory, Machine learning, Artificial Intelligence, Probability, Algorithm, Discrete mathematics, Graph theory |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
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（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
1. Cb 2． 授業の進め方 対面で授業を行います。 Face to Face type. 3．授業内容 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概論的に歴史を合わせて学びます。 Learn an outline on Bayes approach and Artificial Intelligence including its history. 1.ガイダンス Guidance 2.ベイズはどのようにして生まれたか？ How was Bayes theory derived. 3. ベイズはコンピュータ、人工知能の父である！！ Bayes derived computers and artificial intelligence 4. アランチューリングとベイズ Alan Turing and Bayes 5. ビリーフとベイズの定理 Belef and Bayes 6. ビリーフとベイズの定理の応用(1) Applications of Belef and Bayes (1) 7. ビリーフとベイズの定理の応用(2) Applications of Belef and Bayes (2) 8. 尤度推定と機械学習 Likelihood and Machine Learning 9. ベイズ推定と機械学習(1) Bayes learning and machine learning (1) 10. ベイズ推定と機械学習(2) Bayes learning and machine learning (1) 11. 確率的グラフィカルモデルとベイジアンネットワーク Probabilistic Graphical model and Bayesian network 12. ベイジアンネットワークの推論 Inferencce in Bayesian network 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 Bayesian network and the other machine learning methods 14. ベイズ分類機 Bayesian classifier 15. まとめとテスト Conclusions and Test |
| 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）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
特になし None |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
テストによって評価する Assessment method: Paper Test |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
金曜日 午後 Friday afternoon |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
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。教養として身に着けてほしいと思います。 Bayesian statistics has become important in artificial intelligence and machine learning. |
| その他 /Others |
概要を学ぶので深い数学やアルゴリズムは学びません。 It should be noted that this lecture does not provide deep mathematical methods or algorithms but an outline of Bayesian approach. |
| キーワード /Keywords |
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 |