第13回組込み適塾

  • A01-07
機械学習とディープラーニング

講義日時:2020年8月27日 9:30~ 17:30

講義概要

2010年代に第3次ブームが始まった AI(Artificial Intelligence:人工知能) について、第1次ブームからの人工知能の歴史とともに、機械学習を始めとする知能システムの基礎、ならびに現在のAIの中心であるニューラルネットワークと深層学習について最新の知見とともに講義する。

講師

所属
高知工科大学
講師名
吉田真一
高知工科大学情報学群准教授。1996年中央大学理工学部卒業、2001年東京工業大学大学院修了、博士(工学)。東京工業大学、青山学院大学を経て、2007年より高知工科大学所属。日本知能情報ファジィ学会、IEEE、電子情報通信学会、情報処理学会等役員歴任。

講義内容

  1. 人工知能の歴史 (初期の人工知能(第1次)、産業応用発展(第2次)、ディープラーニング(第3次)
  2. 計算知能・ソフトコンピューティング (ファジィ・ニューロ・進化計算法(遺伝的アルゴリズム))
  3. 機械学習の基礎 – 教師付き学習と教師無し学習
  4. 回帰と分類 - 線形回帰・ロジスティック回帰、最適化と最小二乗誤差、過学習と次元の呪い
  5. ニューラルネットワークとディープラーニング
    オートエンコーダ、畳み込みニューラルネットワーク、最新のニューラルネットワークモデル

受講要件

【受講要件】
理工系大学レベルの数学の知識(微積分、線形代数、確率統計)があることが望ましいが、高等学校の数学でも十分に受講可能。プログラミングの知識があることが望ましい。
【事前学習のポイント】
事前学習教材は、機械学習の概要と基礎、ディープラーニングを説明しており、一読して頂くことで、本講義の理解を深められます。参考文献(1)は深層学習の大家(2018年チューリング賞)による良書でWebに英語版もあります。

事前学習教材

  • 講義2週間前に電子ファイルで提供(事前学習を推奨)

講義に関連する解説記事・参考文献・図書等

  • (1) Ian Goodfellow他「深層学習」 (英語Web版あり)、
  • (2) Raschka, Mirjalili,「第2版Python機械学習プログラミング」
  • (3) 電子情報通信学会知識ベース「ソフトコンピューティングとニューラルネットワーク」 (Web)