眞部 雄介

1956年から始まる人工知能研究の初期に誕生した技術を中心としたトピックを扱う講義です．各種の探索アルゴリズム，知識表現，プランニング，推論，エキスパートシステムなど，いわゆる「物理記号システム仮説」に基づいて発展した人工知能技術を扱います．終盤は，フレーム問題，チューリングテスト，中国語の部屋，ウィノグラードチャレンジ，心の理論などの諸問題，ロボットの知能と身体性，ウォズニアックテストなどのトピックについても言及します．

「教師あり学習」「強化学習」について解説し，Pythonを用いたプログラム演習を通じてその仕組みを理解することを目指す講義です．

尺度の水準，重回帰，ロジスティック回帰，リッジ回帰，ラッソ回帰，k-NN，決定木，SVM，ベイズの定理とベイズ推定（ナイーブベイズ），アンサンブル学習，機械学習モデルの検証方法，評価基準，モデルのチューニング，モデル選択の基準，ニューラルネットワーク，深層学習（畳み込みニューラルネットワーク）の基礎，強化学習などを扱います．

講義の後半では，実際にデータを配布して機械学習モデルを作成し，モデルの精度を競うコンテストを実施する予定です．

「データの前処理技術」や「教師なし学習」を中心に解説し，Pythonを用いたプログラム演習を通じてその仕組みを理解することを目指す講義です．

データ形式，抽出，集約，結合，分割，生成，展開，尺度の水準，欠損値の処理，リサンプリング，移動平均フィルタ，類似度と距離，ダイバージェンズ，k-means，階層的クラスタリング，SOM，ART，GMM，DBSCAN，主成分分析，アソシエーションルール，ベイジアンネットワーク，構造方程式モデリングなどを扱います．

講義の後半では，実際にデータを配布してその分析結果を競うコンテストを実施する．

マルチメディア，データベース，プログラム言語に関する入門講義を担当しています．また，近年のトレンドとして人工知能に関するトピックスについても扱っています．

C言語を用いてプログラムを作成する課題を通じて，各種制御構造，変数，関数，データ構造とアルゴリズムについて学ぶ講義です．

シャノン・ウィーバーのコミュニケーションモデル，情報の定量化（情報エントロピー），情報源符号化，通信路符号化の基礎について学ぶ講義です．

並べ替えや探索などの基本的なアルゴリズムと，スタック／キュー，木構造などの基本的なデータ構造にについて学ぶ講義です．講義の後半では，ゲーム木や遺伝的アルゴリズムなどの人工知能アルゴリズムや，単純パーセプトロンやニューラルネットワークなどの機械学習アルゴリズムの基礎についても学びます．