特別講座) o d e (n 工知能講座 学ぶ人 で タ ー 実デ · 特別講座) o d e...
TRANSCRIPT
公募情報
実データで学ぶ人工知能講座(NEDO特別講座)
【概要】
大阪大学では、東京大学とともに、国立研究開発法人新エネルギー・産業技術総
合開発機構(NEDO)の委託を受け、人工知能(AI)分野の人材不足に対応するため
の即戦力人材の育成講座(NEDO特別講座)を開講します。
本講座は、実社会で活躍中の研究者・技術者を対象としており、受講者は最短半
年間で、講義を通じてAI知識を体系的に習得するとともに、製造現場や顧客行動等
のさまざまなデータを用いた演習を通じて、データの構築方法や解析手法などのAI
技術を身につけることができます。
【目的】
AIに係る我が国トップレベルの大学の講義と、実際にデータを扱う演習とを
短期間のパッケージで受講することにより、企業が求める最先端のAI技術に係
る即戦力人材を育成します。
【対象イメージ】
・メーカー(電機、機械等)で開発プロジェクトに従事する者(~入社10年目)
・情報工学、数理情報、物理情報工学、デザイン情報学等を専攻した者/機械
工学等CSの周辺領域について専攻した者
【募集期間】
平成31年度春~夏学期分
平成31年1月7日(月)~1月31日(木)
※平成31年度秋~冬学期以降については、改めてお知らせいたします。
【応募資格】
大学を卒業した者又は平成31年3月31日までに卒業見込みの者であって、デー
タの構築方法や解析手法などのAI技術を身につけることを希望する者を対象としま
す。
【定員】
20名程度
※応募者多数の場合は、CSテストの結果等により受講者を決定いたします。
※平成31年秋~冬学期以降の定員については、改めてお知らせいたします。
【応募方法・書類】
(1)「大阪大学実データで学ぶ人工知能講座(NEDO特別講座)受講申出書」(様
式1)を募集期間内(平成31年1月7日(月)~1月31日(木) ※必着)に郵
送してください。受講申出書を受け付けた旨の連絡と併せてCSテストの案内
をメールにてお送りします。
※CSテスト実施日 平成31年2月4日(月)~2月8日(金)
18:00~1時間程度
【郵送先】 ※「受講申出書(NEDO特別講座)在中」 と封筒表に朱書きするこ
と。
〒565-0871 大阪府吹田市山田丘1-1 共創イノベーション棟3階
大阪大学データビリティフロンティア機構事務局
(2)原則、受験希望日に、CSテストを受けていただきます。CSテストの結果等に
基づき、本講座の受講の可否を決定し、2月12日には、結果を連絡します。
(3)受講が可能とされた方は、大阪大学大学院情報科学研究科科目等履修生出
願要項に従い、平成31年2月12日~2月22日の間に出願してください。な
お、出願の必要書類のうち、「履修科目願」の提出は不要です。
大阪大学大学院情報科学研究科科目等履修生出願要項
http://www.ist.osaka-u.ac.jp/japanese/admission/files/2019/41_a.pdf
出願書類
http://www.ist.osaka-u.ac.jp/japanese/admission/files/2019/41_c.pdf
【科目等履修生としての入学許可】
書類審査の上、3月8日(金)に郵便で送付します。
【科目等履修生としての入学手続】
入学手続の期間は、平成31年3月14日(木)・3月15日(金)の2日間です。
入学手続の詳細については、合格者あてにお知らせします。
【科目等履修生納付金(検定料・入学料・授業料)】
大阪大学科目等履修生として、検定料(9,800円)、入学料(28,200円)、授業
料(4単位分57,600円)を大学に納付していただきます。別途、入学後に学生教育
研究災害保険の保険料(1,000円)の加入もお願いしています。
【講座の詳細】
(1)プログラムの流れ
・コンピューターサイエンスプレースメントテスト(事前受講)
基礎学力を確認し、必要な場合には補習を行う。
・AIに関するトップレベル講義(3講義)
AIに関する先導的知識、基礎的知識の獲得を目指す。
・リアルコモンデータを扱う演習
即戦力を高めるために具体的な社会課題を扱う。
・演習終了時の能力評価
教育の質保障として能力評価を行う。
(2)大阪大学での実施内容
人工知能の基礎から始まり、春~夏学期は、画像、脳データ、各種センサデータ、秋~冬
学期は、自然環境データ、画像、人物データを対象にした、実データからの学びの場を提供し
ます。
講義内容
平成31年度春~夏学期開講
・「知能と学習」
キーワード:人工知能・機械学習の概要、決定木による学習アルゴリズム、ルールベースシステムと
ルールの学習方法、ナイーブベイズ学習と最近傍法、相関ルールとその学習法、クラスタリング、
EMアルゴリズム、サポートベクトルマシン、述語論理の基礎、帰納論理プログラミングと関係データ
マイニング、バージョン空間法と説明に基づく学習、データマイニングのための前処理・データ変換、
属性選択・構築と新述語の発明、アンサンブル学習
・「ビッグデータ工学」
キーワード:データマイニングの導入、多次元データ分析(OLAP分析)、相関ルールマイニング、パ
ターンマイニング、クラスタリング、分類,グラフマイニング、影響力分析、推薦技術、異常検知
・「脳機能計測概論」
キーワード:神経細胞、神経回路網、機能的磁気共鳴画像法(fMRI)、脳磁図(MEG)、脳波(EEG)、視
覚、聴覚、言語、注意、運動、学習と記憶、執行機能、意識と無意識、情動、社会脳、ニューロマー
ケティング、ニューロエコノミクス、安静時脳活動、ディフォルトモードネットワーク、ウェクスラー成人
知能検査(WAIS)、Japanese Adult Reading Test (JART)、時系列データ解析、統計解析、グラフ解析、
判別分析、機械学習
(参考)
平成31年度秋~冬学期開講予定
・「画像認識」
キーワード:画像認識の概要、画像統計量に基づく大域的特徴量、固有空間法、部分空間法、相互
部分空間法、局所特徴量、ベイズ理論、判別分析、サポートベクターマシーンフィードフォワードニュ
ーラルネットワーク、リカレントニューラルネットワーク、隠れマルコフモデル
・「ロボットビジョン」
キーワード:ロボットビジョンの概要、画像生成過程、フィルタリング、特徴抽出と照合、幾何変換、モ
デル当てはめ、ステレオ視、Structure from Motion、照度差ステレオと陰影からの形状復元、オプテ
ィカルフロー、物体検出、物体認識、ロボットビジョンのための機械学習
・「知識情報学」
キーワード:機械学習概要、機械学習の基本的な手順、決定木学習、ベイズ学習、生成モデルと識
別モデル、ニューラルネットワーク、サポートベクトルマシン、線形回帰、回帰木、アンサンブル学習、
クラスタリング、異常検出、可視化と自己組織化マップ、パターンマイニング、系列データのラベリン
グと識別、半教師あり学習、深層学習
【開講日、講師、開講場所】
平成31年度春~夏学期(平成31年4月8日~平成31年9月30日)
・「知能と学習」・・・月曜・6時限(18:00-19:30)
沼尾 正行
大阪大学産業科学研究所
・「ビッグデータ工学」・・・・・・・火曜・6時限(18:00-19:30)
鬼塚 真
大阪大学大学院情報科学研究科
・「脳機能計測概論」・・・・・・・・・金曜・6時限(18:00-19:30)
下川 哲也
大阪大学脳情報通信融合研究センター
※各講義に関連する演習を別途行います。
【履修認定】
本講座の所定のコースを修了した方には、CSテストのスコア及びすべての演習の
スコアを含む認定書を授与します。また、大学院情報科学研究科の履修授業科目
(「知能と学習」、「ビッグデータ解析」)は、試験等を行い、合格者には単位を認定しま
す。
問い合わせ先
大阪大学データビリティフロンティア機構事務局
〒565-0871 大阪府吹田市山田丘1-1
TEL:06-6105-6116
FAX:06-6105-6120
E-mail:[email protected]
home page:http://www.ids.osaka-u.ac.jp
●講義内容情報
「知能と学習」 「ビッグデータ工学」 「脳機能計測概論」
開講区分(開講学期)/Semester
開講区分(開講学期)/Semester
開講区分(開講学期)/Semester
曜日・時間/Dayand Period
月6曜日・時間/Day
and Period火6
曜日・時間/Dayand Period
金6
開講科目名/CourseName (Japanese)
知能と学習開講科目名/CourseName (Japanese)
ビッグデータ工学開講科目名/CourseName (Japanese)
脳機能計測概論
教室/Room その他 教室/Room A110 教室/Room 脳情報通信融合研究センター 1F 大会議室(A)開講科目名(英)/Course Name
Intelligence and Learning開講科目名(英)/Course Name
Big Data Engineering開講科目名(英)/Course Name
Introduction to Brain Function Measurement
定員/Capacity 20人程度 定員/Capacity 20人程度 定員/Capacity 20人程度単位数/Credits 2 単位数/Credits 2 単位数/Credits
年次/Student Year 1,2年 年次/Student Year 1,2年 年次/Student Year担当教員/Instructor 沼尾 正行 担当教員/Instructor 担当教員/Instructor 下川 哲也
開講言語/Languageof the Course
日本語・英語開講言語/Language
of the Course日本語
開講言語/Languageof the Course
日本語
授業形態/Type ofClass
講義科目授業形態/Type of
Class講義科目
授業形態/Type ofClass
講義科目
学習目標/LearningGoals
受講者が人の知能の源泉について考察できる。人工知能をコンピュータ上に実現するための初歩的なプログラミングができる。その中でも、機械学習とデータマイニングの手法について学び、ツールを利用したり、プログラミングができる。
学習目標/LearningGoals
大規模な構造データを分析する分散処理システムに関する技術,およびテキストデータを処理する自然言語処理技術について応用事例を題材として学ぶことで,将来,研究・技術者として自立する技術を習得する
学習目標/LearningGoals
人工知能(AI)に関連する脳科学についての洞察を深め、自身の関連する産業分野への応用に必要な基礎知識を得る。ビジネスとして脳の知見を応用する場合に、具体的にどのような計測実験、データが必要かが判断、提案できる。脳計測実験で得られたデータなどを用いて、時系列解析、統計解析、ネットワーク解析、そして機械学習を含むAI解析ができる。解析に必要なツール、ソフトウェアの利用、およびプログラミングができる。
履修条件・受講条件/Requirement /Prerequisite
履修条件・受講条件/Requirement /Prerequisite
アルゴリズムとデータ構造に関する基本的な知識およびプログラミングに関する一般的な知識、基本的なプログラミング技術は必要.
履修条件・受講条件/Requirement /Prerequisite
基本情報 基本情報 基本情報
詳細情報 詳細情報 詳細情報
1. 脳と情報通信の融合研究2. 神経細胞と神経回路網
4. 視覚系の情報処理(2)5. 脳機能計測法6. 7T MRI装置の見学7. fMRIデータの前処理(1)
10. rs-fMRIデータのROI解析11. グラフ理論によるネットワーク解析12. 統計解析
14. 脳科学のビジネス応用15. 演習問題の解説と質疑応答
授業の目的と概要/Course Objective
人工知能の基礎について、学習能力を中心に論じる。 人工知能 (AI: Arti cial Intelligence) の研究では、コンピュータに知能を持たせることを試みており、チェスのような高度なゲームについても、ヒトを凌駕しつつある。ヒトと日本語や英語で対話するシステムや、インターネットからの知識の自動発掘、発見、自動作曲やデザインなどの研究も進んでいる。本講義では、これらを実現するための基礎的な技術について述べる。特に、ヒトにおいては、知能と表裏一体の関係にある学習能力について考察し、コンピュータに学習能力を備えさせる方法について、重点的に論じる。機械学習手法と密接な関係にあるデータマイニングの手法についても議論する。
授業の目的と概要/Course Objective
ビッグデータを活用したデータ分析能力を養うことを目的として,ビジネスデータの多角的分析やネットフリックスのビデオ推薦で使用されている代表的なデータマイニング技術について学びます.具体的には,多次元データ分析,相関ルールマイニング,クラスタリング,グラフマイニング,分類,推薦,異常検知に関するアルゴリズム,および分散環境におけるビッグデータ処理技術に関して学びます.
授業の目的と概要/Course Objective
人工知能(AI)と脳科学は切っても切れない関係にあり、AIは脳科学から生まれ、また脳科学ではAIを使って計測データの解析を行っている。近年、特に欧米の企業では、AIのみならず、脳科学の知見を積極的にビジネスへ応用する取り組みが進みつつある。しかし日本では、医療分野ではある程度進んでいるものの、産業応用ではまだ少ないと言わざるを得ない。日本の企業にはAIや脳のことがわかる専門家がほとんどいないためである。本講義の目的は、AIと脳の両方がわかる企業人を育成することにある。本講義では、まずAIの基礎となった脳科学について体系的に学んでいただき、さらにどのようにすれば脳の活動を計ることができるのか、その計測方法(原理および解析方法)についても学んでいただく。実際に、MRI(核磁気共鳴画像法)などの計測装置の見学も実施予定であり、希望者は被験者として体験することも可能である。さらに、計測で得られた脳のデータを用いて、いくつかの課題について、機械学習を含めたAI関連技術等を用い、各自持参のPCでプログラム演習を行っていただく。
授業計画/ClassPlan
1. 人工知能、機械学習とは何か?2. 決定木による学習アルゴリズム3. ルールベースシステムとルールの学習手法4. ナイーブベイズ学習と最近傍法5. 相関ルールとその学習法6. クラスタリング7. EMアルゴリズム8. サポートベクトルマシン9. 述語論理の基礎10. 帰納論理プログラミングと関係データマイニング11. バージョン空間法と説明に基づく学習12. データマイニングのための前処理・データ変換13. 属性選択14. 属性構築と新述語の発明15. アンサンブル学習
授業計画/ClassPlan
第 1回:ビッグデータの最新動向と適用事例1第 2回:ビッグデータの最新動向と適用事例2第 3回:多次元データ分析(OLAP分析)第 4回:相関ルールマイニング基本第 5回:相関ルールマイニング発展第 6回:クラスタリング基本第 7回:クラスタリング発展第 8回:分類基礎第 9回:グラフマイニング基礎第10回:グラフマイニング応用第11回:異常検知第12回:推薦技術基礎第13回:推薦技術応用第14回:自然言語処理第15回:データ分析応用
授業計画/ClassPlan
「知能と学習」 「ビッグデータ工学」 「脳機能計測概論」
授業外における学習/IndependentStudy Outside of
Class
講義中に出題する課題に取り組む。
授業外における学習/IndependentStudy Outside of
Class
講義中に出題する課題に取り組む。
授業外における学習/IndependentStudy Outside of
Class
各回の講義で学んだ内容の演習や次の講義の予習を宿題として課す.
教科書・教材/Textbooks
情報処理学会編集 IT Text データマイニングの基礎,元田浩,津本周作,山口高平,沼尾正行 著, オーム社(2006)
教科書・教材/Textbooks
Data Mining: Concepts and Techniques (TheMorgan Kaufmann Series in Data ManagementSystems)http://hanj.cs.illinois.edu/bk3/bk3_slidesindex.htm
教科書・教材/Textbooks
毎回の講義で講師から講義の資料を配布する.
・E. R. Kandel et al., 金澤一郎 宮下保司 監訳、「カンデル神経科学」 (メディカル・サイエンス・インターナショナル, 2014)
・S. A. Huettel et al., 福山秀直 監訳、「fMRI 原理と実践」 (メディカル・サイエンス・インターナショナル、2014)
成績評価/GradingPolicy
期末試験 50%、講義中および講義後のレポート30%、講義での質問状況20%
成績評価/GradingPolicy
毎回行う課題の完成度にも基づいて評価を行う.成績評価/Grading
Policy
コメント/OtherRemarks
コメント/OtherRemarks
分析のツールを使う際には,PCの持参をお願いする場合がある
コメント/OtherRemarks
分析のツールを使う際には,PCの持参をお願いする場合がある
教室: 教室:
産業科学研究所 管理棟 講堂: 脳情報通信融合研究センター
http://www.sanken.osaka-u.ac.jp/access/access_buildings/
http://cinet.jp/contact/
の ⑤ ) 1F 大会議室(A)
オフィスアワー/Office Hour
月曜日15:00オフィスアワー/
Office Hour月曜日15:00
オフィスアワー/Office Hour
受講生へのメッセージ/Messages to
ProspectiveStudents
知能とは何か、考えてみて下さい。講義中の質問頻度や内容により、20%程度の範囲でボーナス点を与えます。
受講生へのメッセージ/Messages to
ProspectiveStudents
企業が有するデータを分析する実用的な技術に関して,理論的な立場から技術を学ぶと共に,簡易な演習を通して実用的なスキルを身につけることを狙いとしています.
受講生へのメッセージ/Messages to
ProspectiveStudents
特記事項/SpecialNote
特記事項/SpecialNote
特記事項/SpecialNote
参考文献/Reference
・人工知能学辞典, 共立出版 (2017), CD-ROM版あり。
・Russell, Norvig著:エージェントアプローチ人工知能,共立出版.
参考文献/Reference
なし参考文献/Reference