【授業の目的】
本授業では、最新の情報システムの例としての深層学習（AI）の基礎について説明する。
【授業の到達目標】
1)深層学習の基礎理論(多層ネットワークの構成、最適化アルゴリズム、勾配降下法、正則化、アテンション等)について十分に理解し、説明できる。
2)深層学習の応用例(再帰型・畳み込みネットワーク、大規模言語モデル)について、その仕組みを説明できる。
3)深層学習のベースとなる理論的枠組みを理解し、既存の自動化技術との根本的な違いを説明できる。
【授業概要（キーワード）】
情報システム，AI、深層学習
【科目の位置付け】
本授業では，情報システムの最新の応用例としての深層学習の仕組みや原理について説明する．この授業を受講することで，システム創成工学科の学生が、各自の専修分野に加えて、情報システムの分野に関してもより広い知見を得ることができる。
【SDGs（持続可能な開発目標）】
09.産業と技術革新の基盤をつくろう
【授業計画】
・授業の方法
講義形式で行う．
・日程
第１週：概論
第２～８週：深層学習の基礎理論(多層ネットワークの構成、最適化アルゴリズム、勾配降下法、正則化、アテンション等)
第９～１５週：深層学習の応用例(再帰型・畳み込みネットワーク、大規模言語モデル)
（本授業計画は変更する場合がある）
【学習の方法・準備学修に必要な学修時間の目安】
・受講のあり方
講義には集中して取り組むこと。
・授業時間外学習（予習・復習）のアドバイス
復習して理解を深めることが望ましい。
【成績の評価】
・基準
1)深層学習の基礎理論(多層ネットワークの構成、最適化アルゴリズム、勾配降下法、正則化、アテンション等)
2)深層学習の応用例(再帰型・畳み込みネットワーク、大規模言語モデル)
3)深層学習と既存の自動化技術との違い
を十分に理解することを合格の基準とする。
・方法
期末試験及び出席状況により総合的に評価する（変更する場合がある）。
【テキスト・参考書】
参考書：
「これならわかる深層学習入門 」（瀧 雅人、講談社）
【その他】
・学生へのメッセージ
毎週出席して授業中によく理解するようにすること。
・オフィス・アワー
質問等は授業後に適時受け付ける。
|