|
授業科目名
|
担当教員
|
|||||||||||||||||
|
知的メディア処理特論
|
古屋 貴彦／李 吉屹
|
|||||||||||||||||
|
時間割番号
|
単位数
|
コース
|
履修年次
|
期別
|
曜日
|
時限
|
||||||||||||
| PTW715 | 2 | (未登録) | 1 | 前期 | 火 | III | ||||||||||||
| ［概要と目標］ | ||||||||||||||||||
| 情報を計算という切り口でみる立場は20世紀中葉にはじまり、記号計算の基礎を与える数学理論として、計算機科学の基盤のひとつを形成している。さらにこの計算的アプローチは、人間の処理能力をはるかに超えたテキスト情報から必要な情報を抽出する技術、あるいは、2次元画像や3次元形状を識別・生成・変換などする技術へ広がっている。本講義では、計算方法という立場から、これら様々な種類の情報の処理過程を理解することを目的とする。加えて、講義で得た知識を自身の研究に役立て、最新の研究を他者に分かりやすく説明できるようになることをねらう。 ・李が担当する講義では、言語の意味処理に焦点をあて、それぞれにおける基礎理論・技術について理解を深めた上で計算の本質を明らかにする。知的メディア処理において、人間と計算機の組合せにより難しい問題を解決するための方法論を学ぶ。 ・古屋が担当する講義では、2次元画像、3次元形状など、主に視覚的に取り込む情報の意味処理に焦点を充て、その基礎理論・技術について学ぶ。 ・受講者自身または他者による研究を紹介することで、プレゼンテーション技術を涵養する。 |
||||||||||||||||||
| [到達目標] | ||||||||||||||||||
|
・言語の意味処理に焦点をあて、計算機による機械処理という立場から意味を扱う手法を理解する。人間と計算機の協調的問題解決を目指すクラウドソーシングとヒューマンコンピュテーションという分野と技術を知っている。 ・2次元画像や3次元形状といった視覚メディアをその内容に基づいて分類、比較、検索し、あるいはこれら視覚メディアと自然言語とを関連付けるなどするための手法を理解する。 ・自身または他者による研究を分かりやすく説明するプレゼンテーション技術を身につける。 |
||||||||||||||||||
| ［必要知識・準備］ | ||||||||||||||||||
| 線形代数や情報理論などの数学、プログラミングのスキル、アルゴリズムとデータ構造に関する知識が必要である。また、画像の表現やその基本的なフィルタリングの基礎知識を持っていることが望ましい。クラスタリング、サポートベクトルマシン、ニューラルネットワークなどの機械学習の基礎知識があるとなおよい。 | ||||||||||||||||||
| ［評価基準］ | ||||||||||||||||||
|
||||||||||||||||||
| ［教科書］ | ||||||||||||||||||
| (未登録) | ||||||||||||||||||
| ［参考書］ | ||||||||||||||||||
| (未登録) | ||||||||||||||||||
| ［講義項目］ | ||||||||||||||||||
| １．ガイダンス、学生による自身の研究紹介(1) ２．学生による自身の研究紹介(2) ３．クラウドソーシングとヒューマンコンピュテーション ４．自然言語処理向けリカレントニューラルネットワークと言語モデル ５．自然言語処理向けアテンションとトランスフォーマー ６．自然言語処理向け事前学習 ７．自然言語処理向けニューラル言語生成 ８．人間の視覚、2D画像のデータ表現 ９．2D画像解析向け深層ニューラルネットワークの構造 １０．2D画像解析向け深層ニューラルネットワークの効果的な学習 １１．2D画像解析技術の発展 １２．3D形状解析向け深層ニューラルネットワーク １３．知的メディア処理に関する最新研究の学生による紹介(1) １４．知的メディア処理に関する最新研究の学生による紹介(2) １５．知的メディア処理に関する最新研究の学生による紹介(3) ＊ 必要に応じて上記の項目の実施順序を入れ替える． ＊ 教員を含めて数名程度の少人数授業である． |
||||||||||||||||||
| ［前年度授業に対する改善要望等への対応］ | ||||||||||||||||||
| 担当者変更 | ||||||||||||||||||