毎日 24時間開講 / Anytime. 単位数/Credit(s): 2. 授業代表教員/Director: 岩﨑 淳也. 開講期間/Term of Classes: 令和6年4月～令和7年3月 2024/Apr. – 2025/Mar.. 履修年度: 2024. 科目ナンバリング/Course Numbering: -J. 使用言語/Language Used in Course: 日本語.
医学AI特論Ⅱ
○
医学AI特論Ⅱ
Advanced Artificial Intelligence in Medicine 2
栗山進一教授、本間経康教授、小島要講師、乾健太郎教授（情報科学研究科）、岩崎淳也講師、高山順准教授、園部真也助教、宮内誠カルロス助教、高屋英知助教、小林智哉助教、外部講師
Drs. Shinichi Kuriyama, Noriyasu Homma Kaname Kojima, Kentaro Inui, Junya Iwazaki, Jun Takayama, Shinya Sonobe, Makoto Carlos Miyauchi, Eichi Takaya, Tomoya Kobayashi and other external lecturers
専用ページでのオンライン受講 / Online attendance on a dedicated page
医療分野における人工知能の役割とその基盤技術である機械学習について学ぶ。特に、クラスタリング、深層学習、強化学習について、手を動かしながらシステムを作成し、実データを処理する過程で、医療分野における機械学習について理解を深める。プログラミング言語pythonの基礎と機械学習で重要な役割を持つ数値計算ライブラリの使い方を習得する。
In this course, students will learn about the role of artificial intelligence in the medical fields and fundamental concepts and skills of machine learning.
To deepen own understanding of clustering, deep learning and reinforcement learning, etc, which are the fundamental components of machine learning, by hands-on programming.
To learn about programming language Python and how to use a numerical calculation library which has the important role of machine learning.
人工知能の基礎知識と医療分野における役割を理解すると同時に、python言語で基本的な機械学習のプログラムが書けるようになる。
The purpose of this course is to understand the basic knowledge of artificial intelligence in the medical field and develop basic programming skills for machine learning by Python language.
1. クラスタリング１（階層的手法）（栗山）
2. クラスタリング２（非階層的手法）（栗山）
3. 深層学習１（ニューラルネットワークの原理）（本間）
4. 深層学習２（ニューラルネットワークの原理）（本間）
5. 深層学習３（畳み込みニューラルネットワーク１）（岩崎・小島）
6. 深層学習４（畳み込みニューラルネットワーク２）（岩崎・小島）
7. 深層学習５（オートエンコーダ）（田宮）
8. 深層学習６（敵対的生成ネットワーク）（小島・岩崎）
9. 強化学習（小島・岩崎）
10. 自然言語処理（乾）
11. オントロジーによるゲノム診断支援（高山）
12. AIとプライバシー（荒井@AIP）
13. AIと社会（佐倉@AIP）
14. 口腔疾患発見用ＡＩアプリの開発（飯久保）
15. デザイン思考による医療AI（植田）
1. Clustering 1 (hierarchical clustering)
2. Clustering 2 (non-hierarchical clustering)
3. Deep learning 1 (principles of neural networks 1)
4. Deep learning 2 (principles of neural networks 2)
5. Deep learning 3 (convolutional neural network 1)
6. Deep learning 4 (convolutional neural network 2)
7. Deep learning 5 (autoencoder)
8. Deep learning 6 (generative adversarial networks)
9. Reinforcement learning
10. Natural language processing
11. Genomic diagnosis with ontology
12. AI and privacy
13. AI and society
14. Development of an AI application for the detection of oral diseases
15. Design thinking for medical AI
出席と演習課題の内容で評価する
Evaluate attendance and class participation and so on.
受講方法については履修登録期間の翌週にdcメール宛に連絡する。
An information session on how to take the course will be announced via dc email in the week following the course registration period.