Skip to main content

AI・データサイエンス専門Ⅱ


[Free of charge] Enroll

※受講登録するとお客様の利用者情報は講座提供者(講師)に共有されます。詳しくは利用規約プライバシーポリシーをご覧ください。

  • 講座番号:pt096
  • 受講開始日:2021年6月30日 15時
  • 想定される勉強時間/週:2,3時間程度

この講座は『受講登録する(無料)』ボタンを押すと受講開始となる『開始日可変型講座』です。
『開始日可変型講座』とは、受講者個々の受講開始日に応じて進行する講座です。

ご自身のスケジュールは、以下の講座スケジュール(PDF)を参考にご確認ください。

受講前に必ずこちらをクリックしてお読みください

講座内容

第1章から第3章は、機械学習を自律制御に用いるときの方法を説明しています。ロボティクスと深く関連した内容となっています。第1章ではロボットのための視覚センサとして用いられるコンピュータビジョンを、第2章ではその背景にある強化学習について解説しています。第3章では機械学習を使った自律制御について学んでいきます。
第1章から第3章については、「AI・データサイエンス概論/ 第4章」を事前に学んだ上で、両講座を取得すればより深い理解を得ることができます。

第4章から第6章では、予測・システム診断・最適化に関する問題設定とその対応法を解説しています。手法としてはベイジアンネットワークが主体となっており、確率と統計に関する予備知識が必要となります。(確率・統計の基礎については、「AI・データサイエンス基礎/ 第3章」で予備学習することができます)
第4章から第6章については、「AI・データサイエンス概論/ 第5章」を事前に学んだ上で、第3章を取得すればより深い理解を得ることができます。


第1章:ロボティクスとAI(ロボットビジョン入門)

  • 1.はじめに
  • 2.2Dカメラの原理とモデル、画像データ
  • 3.3Dセンサの原理と3Dデータ
  • 4.2D画像を用いた深層学習とロボットビジョン
  • 5.3Dデータを用いた深層学習とロボットビジョン
  • 6.まとめ

第2章:強化学習

  • 1.イントロダクション
  • 2.状態価値と行動方策
  • 3.強化学習の学習手法
  • 4.深層強化学習
  • 5.深層強化学習の応用事例
  • 6.まとめと今後の展望

第3章:自律制御と機械学習:認知発達ロボティクス

  • 1.導入
  • 2.予測に基づく知覚・行動・学習
  • 3.模倣学習
  • 4.言語・コミュニケーション
  • 5.深層学習の応用例
  • 6.まとめ

第4章:予測・診断・最適化技法(1)

  • 1.予測に関する問題
  • 2.予測のためのモデルとモデル選択
  • 3.予測のアルゴリズム
  • 4.予測の問題と事例

第5章:予測・診断・最適化技法(2)

  • 1.診断とは
  • 2.診断の問題設定の類型化
  • 3.診断の作成に必要なデータ
  • 4.診断の設計時におきる諸問題と全セクションまとめ

第6章:予測・診断・最適化技法(3)

  • 1.最適化とその基本要素
  • 2.最適化の種類
  • 3.最適化にともなう問題
  • 4.最適化の実際


講師・スタッフ紹介

千葉 直也

千葉 直也

2016年東北大学工学部機械知能・航空工学科卒業、2018年東北大学大学院情報科学研究科システム情報科学専攻博士前期課程修了、2020年同博士後期課程修了。
2020年より早稲田大学次席研究院(基幹理工学部表現工学科尾形研究室)、兼オムロンサイニックエックス株式会社Project Researcher。
プロジェクタ・カメラシステムによる三次元形状計測、及び三次元点群処理の研究に従事。

森 裕紀

森 裕紀

岐阜工業高等専門学校 電気工学科 2002年3月卒業。
豊橋技術科学大学 工学部情報工学課程 2004年卒業。
同大学 大学院工学研究科情報工学系修士課程 2006年3月修了。
東京大学 大学院情報理工学系研究科知能機械情報学専攻 2009年9月単位取得退学。
科学技術研究機構研究院(2009年10月-2011年3月)
2011年3月博士(情報理工学)取得。
大阪大学 大学院工学研究科知能・機能創成工学専攻助教(2011年4月-2016年3月)。
フランス セルジー・ポントワーズ大学 研究員(2016年4月-2017年3月)。
早稲田大学 次世代ロボット研究機構 次席研究員/研究院講師(2017年4月-同年9月)。
同 主任研究員/研究院准教授(2017年9月-現在)。

村田 真悟

村田 真悟

慶應義塾大学 理工学部電気情報工学科 専任講師。
博士(工学)。
早稲田大学大学院創造理工学研究科総合機械工学専攻博士後期課程修了後、早稲田大学創造理工学部総合機械工学科助手、国立情報学研究所情報学プリンシプル研究系助教及び総合研究大学院大学複合科学研究科情報学専攻助教(併任)を経て、2020年より現職。
IEEE、人工知能学会、日本ロボット学会会員。専門は認知ロボティクス。

本村 陽一

本村 陽一

国立研究開発法人産業技術総合研究所人工知能研究センター 首席研究員。
博士(工学)。
電気通信大学大学院博士前期課程修了後、通産省電子技術総合研究所 情報科学部情報数理研究室研究員、産業技術総合研究所 情報処理研究部門主任研究員、デジタルヒューマン研究センター主任研究員、サービス工学研究センター副研究センター長、情報技術研究部門副部門長、人工知能研究センター副研究センター長などを経て2016年より現職。
東京工業大学情報理工学院特定教授、神戸大学客員教授、産総研人工知能技術コンソーシアム会長を兼務。人工知能学会、サービス学会、行動計量学会、電子情報通信学会各会員。
専門分野は人工知能(確率モデリング、機械学習の基盤技術とその応用)、サービス工学。
IPA未踏ソフトスーパークリエーター認定、AIベンチャーCTO、人工知能学会理事、サービス工学理事なども歴任。

櫻井 瑛一

櫻井 瑛一

国立研究開発法人産業技術総合研究所人工知能研究センター 研究員。
東京大学情報理工学系研究科数理情報学専攻卒業後、2011年産業技術総合研究所入所。
人工知能学会会員。専門分野は機械学習。

山崎 啓介

山崎 啓介

国立研究開発法人産業技術総合研究所人工知能研究センター 主任研究員。
博士(工学)
東京工業大学大学院総合理工学研究科博士課程修了後、同大学精密工学研究所および知能システム科学専攻助教を経て、2016年より現職。専門分野はベイズ統計、代数幾何学的学習理論、交通流解析。

前提条件

特になし

課題内容

確認テストを課します。

修了条件

得点率60%以上

学習期間

開始日可変型のため、スケジュールをご確認ください。

※受講登録するとお客様の利用者情報は講座提供者(講師)に共有されます。詳しくは利用規約プライバシーポリシーをご覧ください。

  • 講座番号:pt096
  • 受講開始日:2021年6月30日 15時
  • 想定される勉強時間/週:2,3時間程度
Enroll