講義計画
- 確率と統計の基礎： 最先端の機械学習技術の数学的基盤
- 探索と最適化： 広大な探索空間から最適解を効率よく探索
- 機械学習： データの背後に潜む知識を発見
- 自然言語処理： 人工知能技術の応用例
| # | 日付 | 内容 | 担当 |
|---|---|---|---|
| 1 | 10/3 | 概要 | 杉山 |
| 2 | 10/10 | 最適化（連続1） | 佐藤 |
| 3 | 10/17 | 最適化（連続2） | 佐藤 |
| 4 | 10/24 | 最適化（探索） | 本多 |
| 5 | 10/31 | 確率と統計 | 本多 |
| 6 | 11/14 | 確率と統計 | 本多 |
| 7 | 11/21 | 確率と統計 | 本多 |
| 8 | 11/28 | 機械学習（教師付き学習） | 本多 |
| 9 | 12/5 | 機械学習（教師付き学習） | 佐藤 |
| 10 | 12/12 | 自然言語処理 | 宮尾 |
| 11 | 12/19 | 自然言語処理 | 宮尾 |
| 12 | 12/26 | 自然言語処理 | 宮尾 |
| 13 | 1/9 | 機械学習（強化学習） | 杉山 |
| 1 | 1/16 | 試験 | 佐藤 |
人工知能とは
1956年："The Dartmouth Summer Research Project on Artificial Intelligence" にてArtificial Intelligenceという言葉が提唱された。
| Watoson | Nature | AlphaGo |
|---|---|---|
人工知能関連分野の発展
- 人工知能研究
- 1960年頃(1次ブーム)：記号処理、論理推論
- 1980年頃(2次ブーム)：エキスパートシステム
- ニューラルネット研究
- 1960年頃(1次ブーム)：パーセプトロン（１層）
- 1990年頃(2次ブーム)：誤差逆伝播ほう（多層）
- 機械学習研究
- 1995年頃〜：統計・凸最適化
- 1995年頃〜：ベイズ推論
- 2010年頃〜：深層学習
3種類の機械学習
- 教師付き学習：人間が教師となり、コンピュータの学習を手伝う。
- 教師なし学習：コンピュータが人間の手を介さずに自発的に学習する。
- 強化学習：ロボットが人間の手を介さずに自発的に意思決定を行う。
まとめ
- 人工知能：
- 知的なコンピュータシステムを作る
- 数学・プログラミング・実世界応用をつなぐ架け橋
- 探索：
- 広大な探索空間を効率よく探索
- 機械学習：
- データの背後に潜む知識を発見