AIと機械学習（前期2単位）

教授　松井俊浩・大塚　玲

１．授業のねらい

本講義では、情報セキュリティへの応用も活発化しているAIと機械学習の理論について学ぶ．講義は3つの部分に分かれている．最初の3回はAI技術の全体像を概観し，続く7回はC.M. Bishop著「パターン認識と機械学習」を教科書として機械学習の基礎理論を学ぶ．後半の5回はIan Goodfellow他著の「Deep Learning」を参考書として最近の深層学習の話題を取り上げ，最終回の演習では学生が独自に実験した内容を発表する．

２．到達目標

• AIの全体像を把握し，個々の技術の特徴を把握する．
• 情報セキュリティ研究に機械学習を応用する力を身につける．

３．授業計画

[概論]
第1回　知能とは-論理と知識
第2回　生物の知能とAIコンピュータ
第3回　知能ロボット
[機械学習の理論]
第4回　ベイズの定理
第5回　情報エントロピー
第6回　確率分布
第7回　線形回帰モデル
第8回　線形識別モデル
第9回　ニューラルネットワークと誤差逆伝搬
第10回　演習（小テストと解説）
[最近の話題]
第11回　万能近似定理と深層学習
第12回　畳み込みネットワーク
第13回　リカレントネットワーク
第14回　自己符号化器
第15回　演習（発表）

４．教科書

• C.M.ビショップ著, パターン認識と機械学習(上) , 丸善出版, 2007. ISBN 978-4621061220.

５．参考書

• Marvin Minsky, “The Society of Mind,” Simon and Shuster, 1988 (邦訳:心の社会、1990)
• I. Goodfellow, Y. Bengio, A. Courville著, 深層学習, ドワンゴ, 2018, ISBN 978-4048930628.
• I. Goodfellow, Y. Bengio, A. Courville著, Deep Learning, The MIT Press, 2018, ISBN 978-0262035613.

６．関連科目

アルゴリズム基礎、数論基礎、暗号プロトコル、暗号理論，ブロックチェーン理論と関連がある。

７．成績評価の方法と基準

到達目標を充足しているかどうかを評価の基準として、小テストと演習発表の内容により評価する（90％）質問など授業への積極的な参加も評価対象とする（10％）