理工学部Faculty of Science and Engineering
ELC300XD（電気電子工学 / Electrical and electronic engineering 300）創発ロボティクスEmergent lobotics
中村 壮亮Sousuke NAKAMURA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | H5666 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 木5/Thu.5 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリー＜理工学部＞Category |
電気電子工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
- Course Outline & Learning Objectives
This lecture not only presents the basic theory, but also write some actual source codes and latest papers in order to deepen the understandings of machine learning, deep learning and reinforcement learning techniques.
- Learning activities outside of classroom
Students will be expected to spend enough time finishing the assigned reports and reviewing the learning content.
- Grading Criteria
Graded 100% by report. Students who achieve 60% or more of the goals set for this course will be graded as passing.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
機械学習、深層学習、強化学習などに関して、基礎理論の解説に加えて、実際のソースコードの解説や演習、研究事例などの解説を交えながら理解を深める。
到達目標Goal
機械学習、深層学習、強化学習などに関して、基礎理論を理解し、簡単なソースコードの実装が出来るようになること。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」と「DP2」と「DP4」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
基礎理論をレクチャーしたのちに課題を出題し、課題解説を行う、ということを繰り返す。
レポート課題の解説やテキストにあるプログラム実装例の解説といった形で、学生の取り組みに対して教員がフィードバックを行う。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]：講義のガイダンス
進め方や成績評価、プログラム実行環境のサポートなど講義を始めるに当たっての導入を行う
第2回[対面/face to face]：機械学習とは・第1回課題の出題
機械学習の概説
深層学習に至る機械学習の歴史などにも触れる
第１回課題を出題
第3回[対面/face to face]：帰納学習・第1回課題の解説
帰納学習に関して説明
第4回[対面/face to face]：群知能と進化的手法・第2回課題の出題
蟻コロニー最適化法や遺伝的アルゴリズムについて説明
第２回課題を出題
第5回[対面/face to face]：機械学習と強化学習
強化学習の基礎理論に関して説明
第6回[対面/face to face]：強化学習の実装
強化学習に関して実際の実装例も交えて踏み込んで説明
第7回[対面/face to face]：第2回課題の解説・第3回課題の出題
第2回課題の解説をし、第3回課題の出題内容を説明する
第8回[対面/face to face]：深層学習の基礎
階層型ニューラルネットワーク
深層学習の基礎として階層型ニューラルネットワークに関して説明
第9回[対面/face to face]：深層学習の実際
畳み込みニューラルネットワークおよび自己符号化器
典型的な深層学習として畳み込みニューラルネットワークおよび自己符号化器に関して説明
第10回[対面/face to face]：第3回課題の解説・第4回課題の出題
第3回課題の解説をし、第4回課題の出題内容を説明する
第11回[対面/face to face]：深層強化学習
深層強化学習に関して説明
第12回[対面/face to face]：サポートベクターマシン
深層学習の事例紹介
サポートベクターマシンに関して説明する
また、内外の研究などを交えながら深層学習の事例を紹介する
第13回[対面/face to face]：講義のまとめ
講義で学んだ内容を振り返る
第14回[対面/face to face]：第4回課題の解説・第5回課題の出題
第4回課題の解説をし、第5回課題の出題内容を説明する
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
【本授業の準備・復習時間は、４時間を標準とします。】
テキスト（教科書）Textbooks
強化学習と深層学習 <C言語によるシミュレーション>、小高知宏、オーム社、2017年、2600円
参考書References
機械学習と深層学習 <C言語によるシミュレーション>、小高知宏、オーム社、2016年、2600円
成績評価の方法と基準Grading criteria
レポート課題(100%)で評価し、60点以上が合格となります。
学生の意見等からの気づきChanges following student comments
課題の難易度が高いとの意見があったので、適当なレベルに調整する。
学生が準備すべき機器他Equipment student needs to prepare
ノートPCを用意すること