授業科目

知能システム論
Intelligent Systems

担当者

教授   斉藤 和巳
後 木3

単位

2

到達目標

大規模な実データなどを対象とし、機械学習の応用例を見ることによってその具体的な効用と限界を理解すること。
情報科学科のポリシーに従い、情報処理の多様な側面としての人工知能技法の習得を目的とする。本発展科目の履修には、基本科目の知識情報処理(人工知能I)を既に履修していることが望ましい。

授業内容

機械学習の応用について学ぶ。機械学習の手法はデータマイニング、パターン識別、自然言語処理など知的情報処理の様々な分野で用いられており、機械学習については現在も活発な研究が行われている。本講義ではソーシャルメディアなどから得られる大規模な実データなどを対象とし、機械学習の応用例を見ることによってその具体的な効用と限界を理解する。

授業計画

授業計画は下の通りであるが、進行具合によって配分を調整することもある。授業で用いるスライドのプリントやその他の説明資料を配布する。予習として、それらの説明資料に目を通しておくこと (2時間)。授業の終りに小テストを行い、その解答例も配布するするので、それを中心に復習すること (2時間)。
01. 機械学習の概要、ソーシャルメディアから得られるデータの概要
02. ネットワーク基本統計量による分析
03. ハブ・オーソリティによる分析
04. データ可視化による分析
05. コミュニティ抽出による分析
06. モチーフ検出による分析
07. 中心性計算による分析
08. 中間演習
09. 類似検索における学習
10. 疎データでの類似検索
11. 情報拡散モデルの学習
12. 意見形成モデルの学習
13. データからのネットワーク構成法
14. 最終演習

授業運営

講義中心であるが、必要に応じてプログラムの実装を示す。また、講義内容は基本的な概念を説明するものであるが、関連した新しいトピックについて適宜紹介する。毎回の授業の終りに小テストを実施、あるいは宿題として与えるので、それにより理解度を確認する。

評価方法

単位取得のためには、課題に対して解答を提出することが必要である。
中間演習、最終演習の結果、普段の学習態度(積極的に質問をしているか、的を得た質問をするどうかなど)などを総合して評価する

オフィスアワー

火曜日5時間目2-219、さらに時間が合えばいつでも可能。また、Eメールでも受け付ける。

参考書

C.M. ビショップ『パターン認識と機械学習 (上・下) - ベイズ理論による統計的予測』[丸善出版]2012

Copyright© 2017 Kanagawa University. All Rights Reserved.