703 件ヒット (0.043秒)：
Google Classroomのクラスコードは工学部Webページにて確認すること。
学部シラバス・時間割(https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html)
目的: 現代的なデータ科学と機械学習において現れる基本的な数理構造を解き明かし理解すること。
概要: 大規模なデータを学習しさまざまなタスクを実現する今日の人工知能技術のベースとなるのは、非常に単純な勾配法であり最適化問題を以下にして解くかである。その源泉は物理学で登場したような運動方程式によるものであり、それらといかに密接に関連しているのかを学ぶことにより、将来再び起こるブレークスルーを俯瞰できるようにする。
達成目標等: 現代の機械学習等に現れる数理最適化および学習技術について、流行り廃りから脱却し、その本質部分を単純にして理解できるようにすること。
オンライン授業で実施され詳細や連絡は下記Google Classroomを通じて行われる。
[TB26411] (大関真之教授): Google Classroomを利用
The class code for Google Classroom can be found on the Web site of
the School of Engineering:
https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html (JP Only)
Object and Summary: To unravel and understand the fundamental mathematical structures that emerge in modern data science and machine learning.
The basis of today's artificial intelligence technologies for learning large data sets and performing a variety of tasks is how to solve optimization problems using very simple gradient methods. The source is the equations of motion as they appear in physics, and by learning how they are closely related to these equations, we will be able to look at breakthroughs that will occur again in the future.
Goal.: To be able to understand mathematical optimization and learning techniques as they appear in modern machine learning and other areas, breaking free from fads and simplifying the essential parts of these techniques.
The course will be conducted online and details and communication will be via Google Classroom.
[TB26411] (Masayuki Ohzeki): using Google Classroom
Google Classroomのクラスコードは工学研究科Webページ
https://www.eng.tohoku.ac.jp/edu/syllabus-g.html
（大学院シラバス・時間割・履修登録）にて確認すること。
制御・信号処理等の工学の諸分野あるいは情報科学の応用を意識しつつ，確率論・統計学および確率過程を基礎とする確率的情報処理の十分な理解を与える．特にベイズ統計にもとづく予測・推論のモデル化，情報統計力学の導入によるアルゴリズム化について画像処理，パターン認識，確率推論などを例として講義する．
また，確率的情報処理によるデータに内在するゆらぎの取り扱いにも触れ，さらに量子確率場をもちいた情報処理，複雑ネットワーク科学の最近の展開についても概説する．
本講義は google classroom 上のGoogle Meets によるオンライン授業として行う．
本講義のクラスコードは工学研究科Webページ https://www.eng.tohoku.ac.jp/edu/syllabus-g.html の中の【Google Classroomコード一覧】で「機械・知能系」を選択した上で各自確認した上で受講すること．
The class code for Google Classroom can be found on the Web site of the School of Engineering:
https://www.eng.tohoku.ac.jp/english/academics/master.html (under "Timetable & Course Description")
Applications to many fields in engineering like control, signal processing etc. and in information sciences are in mind through the lecture course for the basic knowledge of statistical machine learning theory as well as stochastic processes. Brief introduction will be given to methods for applications like statistical estimation etc., and to the relationship with statistical-mechanical informatics. We first lecture probability and statistics and their fundamental properties and explain the basic frameworks of Bayesian estimation and maximum likelihood estimation. Particularly, we show EM algorithm as one of familiar computational schemes to realize the maximum likelihood estimation. As one of linear statistical models, we introduce Gaussian graphical model and show the explicit procedure for Bayesian estimation and EM algorithm from observed data. We show some useful probabilistic models which are applicable to probabilistic information processing in the stand point of Bayesian estimation. We mention that some of these models can be regarded as physical models in statistical mechanics. Fundamental structure of belief propagation methods are reviewed as powerful key algorithms to compute some important statistical quantities, for example, averages, variances and covariances. Particularly, we clarify the relationship between belief propagations and some approximate methods in statistical mechanics. As ones of application to probabilistic information processing based on Bayesian estimation and maximum likelihood estimations, we show probabilistic image processing and probabilistic reasoning. Moreover, we review also quantum-mechanical extensions of probabilistic information processing.
The lectures of the present class is provided as online from Google Meets in the google classroom of the present class.
The Google class code of Google Classroom for this year of the present lecture is available at "Mechanical and Aerospace Engineering" in "Timetable & Course Description" of the following website
https://www.eng.tohoku.ac.jp/english/academics/master.html
Students should confirm the Goole class code by temselves before taking the present class.
Google Classroomのクラスコードは工学部Webページにて確認すること。
学部シラバス・時間割(https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html)
１．目的：現代社会生活に加え，現在の研究および実務においては，計算機を用いた情報処理に関する知識や能力は必須である。本演習では，まず情報処理に関する基本的な知識，能力，情報リテラシーを学習する。つぎに卒論研究に必要な基礎的な数値計算手法によるプログラム作成やデータ処理の経験を通じて，情報処理、可視化、統計解析等の基礎を習得する。
２．概要：情報化社会におけるセキュリティのあり方や社会的ルール，アルゴリズムの基本的な考え方，数値解析のための基礎的な手法などについて学ぶ。
３．達成目標：以下の知識，能力を身につけること。
・現在の社会における情報とその安全や倫理に関する基礎知識
・基礎的な情報処理と数値計算の手法
・上記手法に基づく解析プログラム作成
・解析結果について整理をし，考察することができること
Google Classroom クラスコード： 52drt6h
[TB54091] 応用情報処理演習Ａ
各自で演習実施に必要な端末を用意する必要がある。
演習で使うソフトウエアを含む受講方法については，授業時に説明をする。
The class code for Google Classroom can be found on the Web site of
the School of Engineering:
https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html (JP Only)
1) Knowledge and skills in "information processing" are essential in research and practical work as well as in daily life in this modern society. This course is designed to obtain basic knowledge for gradation research via information literacy and to help students develop skills in information processing, such as program coding, data processing, visualization, and statistical analysis.
2) Students will learn concepts of typical numerical analysis algorithms and program coding.
3) Students will develop the following skills and knowledge:
- Basic methods in numerical analysis
- Basic skills in programming
- Examination of results of analyses
Google Classroom code: 52drt6h
The computational environment necessary for the exercise is explained in class.
授業の目的・概要：
情報科学に横たわる確率推論、学習、最適化というデータサイエンスを実施する上でも重要な方法論を始め、新規計算技術として注目される量子計算を題材に、数理横断的な視野と発想を習得する。これらの習得にとどまらず、現実的に大規模な問題に対峙する際にその方法がどのような性能を持つか、そしていかなる条件を持つのかを評価する手法（統計力学・スピングラス理論・レプリカ法）につ
いて、情報科学の分野に拘らず数理的な共通性を念頭に教示する。
達成方法：
量子計算分野（量子アニーリング・量子誤り訂正符号・量子機械学習）の分野に関する領域横断的な解析手法・数値計算手法を学ぶことにより、本科目の目標を達成する。
Google Classroomのクラスコードは67b6iso
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の基本概念・技術について学ぶ。機械学習の代表的な分析手法である回帰、分類などについて、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 regression and classification, 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」を支える基盤技術の一つである機械学習について学ぶ．
クラスタリング，深層学習，強化学習などについて，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を通じてそのエッセンスを探る．プログラム言語Pythonの基本と関連するライブラリの使い方も併せて習得する．
The purpose of this course is to study Machine Learning, an important sub-area of Artificial Intelligence. This course is designed to help students understand some key technologies such as clustering, deep-learning, and reinforcement learning, through the process of applying them for actual data and developing Systems.
【クラスコード：lwxnlq7】
数値流体力学（CFD）と情報科学の組み合わせよって行われる流体工学設計について、理論を構築し、手法を習得し、実例を見る。
[Class code: lwxnlq7]
This lecture aims to construct the theories, learn the methodologies, and see the real-world examples of fluid engineering design based on computational fluid dynamics (CFD) combined with information science.
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の基本概念・技術について学ぶ。機械学習の代表的な分析手法である回帰、分類などについて、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 regression and classification, 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.
Google Classroomのクラスコードは工学部Webページにて確認すること。
学部シラバス・時間割(https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html)
１．目的
古典制御理論（制御工学I）に続き，現代制御理論について学ぶ．
２．概要
本講義では，多変数の線形動的システムを制御する方法である状態空間法と呼ぶアプローチについて学ぶ．現代制御理論の主題は，状態方程式で表されたシステムの特性を解析する方法論と，望みの特性をもつシステムの設計法である．多変数の動的システムを状態方程式で表現する方法を学んだあと，安定性，可制御性，可観測性など，多変数システムの基本的な性質に関する基本概念を導入し，さらにそれをもちいて状態フィードバックによる極配置，オブザーバによる状態推定，最適レギュレータによる最適制御などの具体的な制御方策について学ぶ．
３．達成目標
与えられた動的システムを状態方程式で表現できるようになること．その可制御性，可観測性の判定法．状態フィードバック，極配置，オブザーバ，最適レギュレータなど，望みの特性をもつ制御系の設計方法を習得すること．
The class code for Google Classroom can be found on the Web site of
the School of Engineering:
https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html (JP Only)
1. Purpose
Following classical control theory (Control Engineering I), learn about modern control theory.
2. Overview
In this lecture, we will study an approach called the state space method, which is a method to control multivariable linear dynamic systems. The main subject of modern control theory is how to analyze the characteristics of a system represented by the state equation and how to design a control system to achieve desired characteristics. After learning the representation method of a multivariable dynamic system with a state equation, we introduce basic concepts of multivariable systems, such as stability, controllability, and observability. We also learn specific control strategies based on concepts such as pole assignment by state feedback, state estimation by an observer, and optimal control by an optimal regulator.
3. Goal
To be able to express a given dynamic system by a state equation and determine its controllability and observability. To be able to design control systems with desired characteristics by using a method such as state feedback, pole assignment, observer, and optimal regulator.
本授業科目の目的は、大量のデータから価値ある情報を抽出し、活用するためのデータ科学やAIの知識と技術の基礎を修得することにある。
近年、社会の様々な場面で大規模なデータが蓄積・流通されており、それらを安全かつ有効に公共の福祉や社会活動に役立てられる見識と能力が、現代的なリテラシーとして求められている。
すなわち、文系・理系を問わず全ての学生が、基礎的な統計学を理解するとともに、プログラミング環境を含む計算機科学の様々な成果を適切に活用し、データから目的の情報を抽出するためのデータ科学・AIの知識と技術を修得することが求められている。
そこで本授業科目では、データ科学や機械学習、AIの分野で標準的なプログラミング言語の1つであるPythonを利用した実習を交えながら、具体的なデータ処理方法について実践的に学ぶ。
The purpose of this course is to acquire basic knowledge and skills in data science and AI to extract and utilize valuable information from huge data.
In recent years, huge-scale data has been accumulated and distributed in various scenes of society, and insights and abilities to use them safely and effectively for public welfare and social activities are required as modern literacy.
Therefore, all students, regardless of humanities or science, are expected to understand basic statistics and to acquire knowledge and skills in data science and AI in order to extract the intended information from such data by utilizing various achievements in computer science, including programming environments.
In this course, you learn actual data processing methodology practically using the Python, which became one of the standard programming languages in the field of data science, machine learning and AI.