情報科学研究科Graduate School of Computer and Information Sciences
COT500K1（計算基盤 / Computing technologies 500）情報科学特別講義４（知能メディア処理）Special Lecture for Computer and Information Sciences ４（Intelligent Media Processing）
情報科学特別講義４（知能メディア処理）
JIA GUOJia GUO
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 情報科学研究科Graduate School of Computer and Information Sciences |
| 添付ファイル名Attached documents | |
| 年度Year | 2024 |
| 授業コードClass code | TZ030 |
| 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 | |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Course Overview
This course, titled "Special Lecture for Computer and Information Sciences 4 (Intelligent Media Processing)," focuses on cutting-edge technologies in artificial intelligence (AI). It primarily covers key topics such as Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), image processing, and data preprocessing. CNNs, widely applied in computer vision, are essential technologies in the AI field. Meanwhile, RNNs play a significant role in natural language processing and time-series data analysis. Image processing and data preprocessing techniques provide the foundational knowledge necessary for effective information extraction and model training. This course aims to delve deeply into these critical technologies, equipping students with a solid foundation for their careers in AI.
Course Objectives and Significance
Through this course, students will acquire fundamental knowledge of the forefront technologies in artificial intelligence, understanding key concepts and applications of CNNs, RNNs, and other areas. Specifically, they will learn image processing and data preprocessing techniques, gaining practical skills to provide innovative solutions to real-world problems. The course prepares students to tackle the evolving and innovative challenges in artificial intelligence, equipping them for future advancements in the field. The course is designed to stimulate students' creativity, nurture practical skills, and lay the foundation for them to become competitive professionals in the field of artificial intelligence.
授業で使用する言語Default language used in class
英語 / English
授業の概要と目的（何を学ぶか）Outline and objectives
授業概要（授業内容についての概要）
このコースは、「コンピュータと情報科学の特別講義4（インテリジェントメディア処理）」として、人工知能（AI）の最先端技術に焦点を当てています。主に、畳み込みニューラルネットワーク（CNN）、再帰的ニューラルネットワーク（RNN）、画像処理、データ前処理などの重要なトピックをカバーします。CNNはコンピュータビジョンに広く応用され、AI分野において不可欠な技術とされています。一方、RNNは自然言語処理や時系列データ分析において重要な役割を果たしています。画像処理とデータ前処理技術は、効果的な情報抽出とモデルトレーニングのための基礎を提供します。本コースはこれらの重要な技術に深く掘り下げ、学生たちがAI分野でのキャリアに必要な堅固な基盤を築くことを目指しています。
授業の目的・意義（授業で目指す学習上の目的や意義）
学生たちは、このコースを通じて人工知能の最前線技術についての基礎知識を習得し、CNNやRNNなどの重要な概念とその応用を理解します。具体的には、画像処理やデータ前処理の技術を学び、実世界の問題に革新的な解決策を提供するための実践的なスキルを身につけることができます。また、AI技術の伸びやかな発展と革新的な課題に対処するための準備が整うことでしょう。このコースは学生の創造性を刺激し、実践的な技術を養い、AI分野の競争力あるプロフェッショナルとして輝くための基盤を築くことを目的としています。
到達目標Goal
1. 学生は人工知能の基本概念を理解できる。
AIの基礎知識と歴史について学び、理解する。
2. 学生はCNNとRNNの機能を説明できる。
これらのネットワークの基本原理を理解し、どのように機能するかを説明する。
3. 学生は基本的な画像処理技術を使いこなせる。
画像データの前処理と分析の基本を学ぶ。
4. 学生はデータ前処理の技術を実践できる。
データクリーニングと準備の基本手法を適用する。
5. 学生はAIの実際の応用を理解し、議論できる。
AIの具体的な応用事例を学び、その効果について議論する。
これらの目標は、学生がこの授業を通じて、人工知能の基本的な知識と技術を習得し、実際の応用について理解と議論ができるようにすることを目指しています。
---------------
1. Students will be able to understand the basic concepts of artificial intelligence.
They will learn and comprehend the foundational knowledge and history of AI.
2. Students will be able to explain the functionalities of CNNs and RNNs.
They will grasp the fundamental principles of these networks and explain how they operate.
3. Students will be proficient in utilizing basic image processing techniques.
They will learn the fundamentals of image data preprocessing and analysis.
4. Students will be able to practice data preprocessing techniques.
They will apply basic methods of data cleaning and preparation.
5. Students will understand and be able to discuss real-world applications of AI.
They will study specific applications of AI and engage in discussions about their effectiveness.
These objectives aim to enable students to acquire fundamental knowledge and skills in artificial intelligence and to understand and discuss practical applications through this course.
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」に関連
授業で使用する言語Default language used in class
英語 / English
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. ）
1. Lecture Format: The course will primarily involve lectures by the instructor, covering the topics and demonstrating relevant concepts. Students are expected to actively participate by asking questions and engaging in discussions to deepen their understanding.
2. Hands-on Exercises: Part of the course will include practical exercises where students will engage in programming tasks and data processing practices, allowing them to apply theoretical knowledge to practical skills.
3. Regular Assessments: To gauge students' comprehension and skills, there will be regular tests and assignments. Additionally, the progress and outcomes of group projects will be evaluated.
4. Video Lectures: Video lectures will be incorporated into the course to provide demonstrations and case studies, aiding students in understanding complex concepts and techniques more intuitively.
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]：Course Introduction and Overview of Artificial Intelligence
1. Course objectives, requirements, assessment methods
2. Basic concepts and history of artificial intelligence
第2回[対面/face to face]：Basic Concepts: Neural Networks and Machine Learning
1. Fundamentals of neural networks
2. Basic principles of machine learning
第3回[対面/face to face]：Introduction to Convolutional Neural Networks (CNNs)
1. Principles and structures of CNNs
2. Applications in image recognition
第4回[対面/face to face]：Introduction to Recurrent Neural Networks (RNNs)
1. Basic concepts of RNNs
2. Applications in text processing and time series analysis
第5回[対面/face to face]：Optimization: Theory and Applications
1. Particle swarm optimization algorithm
2. Applications of optimization algorithms
第6回[対面/face to face]：Fundamentals of Image Processing
1. Basic image processing techniques
2. Processing and application of image data
第7回[対面/face to face]：Data Preprocessing and Feature Engineering
1. Data cleaning and transformation
2. Simple methods of feature selection
第8回[対面/face to face]：Optimization Techniques in Deep Learning
1. Loss functions and optimization algorithms
2.Strategies to prevent overfitting
第9回[対面/face to face]：Applications of Artificial Intelligence in Practice
1. Case studies in various fields
2. How AI solves real-world problems
第10回[対面/face to face]：Fundamentals of Natural Language Processing
1. Basic techniques of text processing
2. Application examples in natural language processing
第11回[対面/face to face]：Introduction to Reinforcement Learning
1. Basic concepts of reinforcement learning
2. Applications in games and robotics
第12回[対面/face to face]：Generative Adversarial Networks (GANs) and Innovative Applications
1. Basic principles of GANs
2. Innovative application cases
第13回[対面/face to face]：Future Trends and Innovations in Artificial Intelligence
1. New developments in AI
2. Future challenges and opportunities
第14回[対面/face to face]：Final Exam
Comprehensive assessment of course content
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.)
On average, it takes four hours to finish weekly assignments.
テキスト（教科書）Textbooks
教科書を使用しない
参考書References
References: Reference book
Artificial Intelligence: A Modern Approach, by Stuart Russell and Peter Norvig
成績評価の方法と基準Grading criteria
平常点，30%
宿題,30%
レポート課題,40%
学生の意見等からの気づきChanges following student comments
特になし
学生が準備すべき機器他Equipment student needs to prepare
情報機器（貸与パソコンや電卓等）
その他の重要事項Others
N/A