Course Name Year Term Period Faculty / Graduate School All Instructors Credits
32877:[2025 Fall]AI and Machine Learning (6T) 2025 Fall Tue3 College　of　Science　and　Engineering NAKAYAMA RYOHEI 2

Campus

BKC

Class Venue

Co-learning22

Language

日本語

Course Outline and Method

　近年，深層学習により人工知能（AI：Artificial Intelligence）が劇的に進化を遂げ，様々な分野においてニーズが高まっている．本講義では，画像情報中心に，AIの基礎知識について機械学習から深層学習まで，MATLABで応用例を示しながら解説する．また，知識の深化のためMATLABによるプログラミングで実装する．PCが利用可能な情報教室で実施するが，自分のPCが良い場合はMATLABをインストールしたPC（WIndows／Macいずれも可）を持参すること．

Student Attainment Objectives

　画像を中心とした機械学習，深層学習の基礎知識を身につけ，それぞれの専門分野でその知識を有効に利用できるようになることを目標とする．

Recommended Preparatory Course

　計算機，信号処理，微分，線形代数，確率統計の知識がない人でも理解できるよう，復習も交えながら説明するが，それらの基礎的な知識を有していることが望ましい．また，機械学習，深層学習についての理解がより深まるので，プログラミング，メディア情報処理の講義を履修しておくことを勧める．

Course Schedule

Lecture/Instructor（When there are multiple instructors) Theme
Keyword, References and Supplementary Information
-

各回の課題の解説で+R授業を実施

1

人工知能の基礎知識

人工知能，機械学習，深層学習（ディープラーニング）とは

2

機械学習のワークフロー 1

データのラングリング

3

機械学習のワークフロー 2

次元削減，特徴量選択

4

機械学習のワークフロー 3

モデルの学習，検証，評価

5

回帰モデル 1

線形回帰モデル，最小二乗法，最尤法

6

回帰モデル 2

非線形回帰モデル，回帰木，正則化

7

中間テスト

中間テストと解説

8

分類モデル 1

ロジスティック回帰，線形判別分析，マハラノビスの距離

9

分類モデル 2

分類木，K-近傍法，サポートベクターマシン

10

ニューラルネットワークの基礎

ニューラルネットワーク，誤差逆伝播法

11

深層学習の基礎

畳み込みニューラルネットワーク

12

深層学習モデル 1

分類モデル

13

深層学習モデル 2

回帰モデル，分割モデル，物体検出モデル，生成モデル

14

確認テスト

確認テストと解説

Class Format

第1回～14回を対面授業にて実施

Recommendations for Private Study

講義前に配布するレジュメを使い復習に時間を割いて下さい．また，実際に自分でプログラミングし，実行することにより理解を深めてください．

Grade Evaluation Method

Kind Percentage Grading Criteria etc.
Final Examination (Written) 0

Report Examination
(A report to be submitted by the unified deadline)		 0

Exams and/or Reports other than those stated above, and Continuous Assessment　
(Evaluation of Everyday Performance in Class)		 100

中間テスト，確認テスト時以外は毎回課題を実施する．
第7回，第14回は基礎技術の理解を問う中間／確認試験を実施し，課題と受講態度，試験結果を基に成績評価する．
・平常点：毎回課題 12回実施予定＋受講態度（30％）
・中間試験 1回実施予定（30％）
・確認試験 1回実施予定（40％）

Grade Evaluation Method （Note）

Advice to Students on Study and Research Methods

様々な応用例を示しながら，機械学習，深層学習の基礎を解説します．人工知能に興味がある方は，ぜひ受講し，研究に役立ててください．

Textbooks

Textbooks （Frequency of Use, Note）

講義前に，レジュメを配布

Reference Books

Reference Books （Frequency of Use, Note）

関連書籍は多数あるので，自分に合うものを探して学習に役立ててください．

Web Pages for Reference

How to Communicate with the Instructor In and Out of Class(Including Instructor Contact Information)

Talk with Students,Other (Separate instructions will be provided)

Other Comments

自分が疑問に思ったこと，理解が難しかったことは，周りの人も同じように思っていることが多いです．遠慮せず，講義中に質問をしてもらえると周りの人の理解にもつながります．
【科目ナンバリング・カリキュラムマップはこちらから/Click here to see the Curriculum-Map and Course-Numbering】
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/