AIと機械学習（前期2単位）

教授　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2つの部分に分かれている．最初の10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

• 機械学習の基礎理論を理解する．
• 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．授業計画と開講形態

開講形態は別途通知。
全回教室での対面のみの開催とする．

[機械学習の理論]
第1回 確率論
第2回 情報エントロピー
第3回 確率分布
第4回 一般化線形モデル1
第5回 一般化線形モデル2
第6回 一般化線形識別モデル1
第7回 一般化線形識別モデル2
第8回 ニューラルネットワークと誤差逆伝搬1
第9回 ニューラルネットワークと誤差逆伝搬2
第10回 演習（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 深層強化学習
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

• 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，特設講義（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、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％）