1237 件ヒット (0.035秒)：
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。
コンピュータビジョンの様々な問題とその解決方法を説明する．問題とは，物体やシーンを撮影した画像から，それらに関する何らかの情報，例えばシーンの３次元形状や物体のカテゴリ名などを推定する逆問題のことである．関連する基本的概念を説明した上で，コンピュータビジョンの問題への複数のアプローチの方法を，特に深層学習による方法を中心に解説する．
The class code for Google Classroom can be found on the Web site of the School of Engineering:
https://www.eng.tohoku.ac.jp/english/academics/master.html (under "Timetable & Course Description")
This course explains various problems of computer vision and their solutions. The problems are basically inverse-problems in which we wish to estimate some information about an object or a scene from their image(s), such as the categories of objects and the three-dimensional shape of a scene. Students will first learn a series of fundamental concepts, and then study a number of approaches to the problems of computer vision, where the main focus is on deep learning methods.
Google Classroom class code: miblimm
「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.
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.
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.
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 コンピュータを用いたパターン認識について、理論と応用の両面から述べる。
２．概要
パターン認識の一般的枠組みについて述べた後、分類・認識の理論として古典的な統計的パターン認識の理論、さらに最近のニューラルネットワークやHidden Markov Modelの理論を、実例を示しながら説明する。
３．達成目標等
パターン認識の理論と、実際に適用する場合の問題点であるパラメータ数に比べデータ数が少ないという問題を解決する方法を理解し,実際の問題を解決できるパターン認識システム構築法を修得する。
講義の案内・資料配布はGoogle Classroom 上で行います。令和５年度はクラスコード tfg4xhd で参加してください。
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)
Purpose:
To understand pattern recognition by computer from theoretical background and application aspect.
Overview:
Theoretical background of pattern recognition, neural network and hidden Markov models, and other advanced pattern recognition systems
Goals
To understand relation between sample size and model parameter size, discrimination border and discrimination power, overfitting and other concepts of pattern recognition.
Participate the class via Google Classroom with class code tfg4xhd in 2023.
このデータ科学コースは、データ科学で使用される基本的な技術とツールについて紹介することを目的としています。毎週、データ科学のパイプラインから始まり、ニューラルネットワークや時系列解析などの高度なトピックまで、一つずつトピックをカバーします。それらは洗練されたスライドとわかりやすいPythonコードを用いて説明されます。
この学期では、すべてのトピックを網羅できる1つの包括的なデータセットを使用します。これにより、学生がデータセットを理解するために多くの時間を費やすことなく、データサイエンスの概念を容易に理解できます。
達成方法：
- 講義: 基本的な概念を教え、その後Pythonでデモンストレーションを行います。
- 授業内演習: 短い実践活動。（主にコードをコピー&ペーストし、変数を変更ぐらい。）
- 週次実践コース: 1.5時間の課題で理解を深めます。