授業科目名 年度 学期 開講曜日・時限 学部・研究科 全担当教員 単位数
32880:[2025 春セメスター]特殊講義（専門）Ⅲ（深層学習の応用） (6T) 2025 春セメスター 火1 理工学部 中山 良平 2

キャンパス

BKC

授業施設

プリズム情報処理演習室Ｐ３４

授業で利用する言語

日本語

授業の概要と方法

　本講義では，近年，データ解析分野においてデファクトスタンダートとなっている深層学習（Deep Learning）について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，出来るだけMATLABの最新versionをインストールしたPC（WIndows／Macいずれも可）を持参すること．

受講生の到達目標

　画像を中心とした深層学習の基礎知識を身につけ，様々な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．

事前に履修しておくことが望まれる科目

　AI・機械学習の内容を修得していることを前提とする．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，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．

授業スケジュール

授業回数/
担当教員（複数担当の場合） 		テーマ
キーワード・文献・補足事項等
-

各回の課題の解説で+R授業を実施

1

深層学習の基礎

畳み込みニューラルネットワーク，誤差逆伝播法，確率的勾配降下法

2

分類モデル 1

既存モデルの実装，データ拡張，クラス間不均衡

3

分類モデル 2

既存モデルの実装，転移学習，attention機構

4

回帰モデル

画像の高解像度化

5

時系列データの分類，予測

時系列データの取り扱い

6

分割モデル 1

既存モデルの実装

7

分割モデル 2

既存モデルの実装

8

物体検出モデル 1

既存モデルの実装

9

物体検出モデル 2

既存モデルの実装

10

生成モデル 1

AutoEncoderベースモデルの実装

11

生成モデル 2

AutoEncoderベースモデルの異常検知への応用

12

生成モデル 3

GANベースモデルの実装

13

生成モデル 4

GANベースモデルの異常検知への応用

14

確認テスト

確認テストと解説

授業実施形態

第1回～14回を対面授業にて実施

授業外学習の指示

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．

成績評価方法

種別 割合(%) 評価基準等
定期試験（筆記） 0

レポート試験
（統一締切日を締切とするレポート）		 0

上記以外の試験・レポート、平常点評価
（日常的な授業における取組状況の評価）		 100

確認テスト時以外は毎回課題を実施する．
第14回は基礎技術の理解を問う確認試験を実施し，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 13回実施予定＋受講態度（50％）
・確認試験 1回実施予定（50％）

成績評価方法(備考)

受講および研究に関するアドバイス

様々な応用例を示しながら，深層学習の基礎を解説します．将来，データサイエンスなどの職種に興味がある方は，ぜひ受講してください．

教科書

教科書(使用頻度、その他補足)

講義前に，レジュメを配布

参考書

参考書(使用頻度、その他補足)

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．

参考になるwwwページ

授業内外における学生・教員間のコミュニケーションの方法

学生との直接対話,その他(教員より別途指示）

備考

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/