シラバス情報
|
教員名 ： 松崎 拓也
|
科目授業名称（和文） Name of the subject/class (in Japanese)
知的情報処理特論
科目授業名称（英文） Name of the subject/class (in English)
Advanced intelligent information process
授業コード Class code
991JB07
科目番号 Course number
14MAAPM512
教員名
松崎 拓也
Instructor
Takuya Matsuzaki
開講年度学期
2023年度前期
Year/Semester
1st semester
曜日時限
水曜2限
Class hours
Wednesday, 2nd period
開講学科・専攻 Department
理学研究科 応用数学専攻
Department of Applied Mathematics, Graduate School of Science 単位数 Course credit
2.0単位
授業の方法 Teaching method
講義
Lecture 外国語のみの科目（使用言語） Course in only foreign languages (languages)
-
授業の主な実施形態 Main class format
対面型講義/classroom lecture
概要 Description
拡散モデルによるデータ生成について，専門書及び教科書の輪読を通じて学習する．拡散モデルは DALL-E 2 や Stable Diffusion などで知られる高品質な画像生成を始めとして，音声・テキストなど様々なタイプのデータを生成する技術の基礎として注目を集めている．拡散モデルによるデータ生成では，訓練データとして収集した画像・音声・テキストなどから完全にランダムなデータへ至るノイズ付加の過程を想定し，その逆過程すなわちノイズ混じりのデータからノイズを除去する過程をニューラルネットでモデル化し学習する．これにより，ランダムなシードから高品質な画像や音声を生成することを可能にしている．また，ノイズ除去の過程を，生成する画像の指定などの付加的なデータで条件づけることで，指定に従った生成結果を得ることができる．
We learn the basis and applications of diffusion models through reading papers and textbooks. Recently, diffusion models have attracted much attention as a basic technology for generating various kinds of data including images, speeches, and texts. In a diffusion model, we assume a diffusion process; it starts from an image, a speech, or a text in a training set and proceeds towards a completely random data by gradually adding noise to the data. By modeling and learning the reverse process, i.e., the denoising process, we can generate a high-quality image etc. from a random seed. 目的 Objectives
拡散モデルの基礎と応用について習得する．
この科目は、本専攻のカリキュラム・ポリシーに定める「統計科学・計算数学・情報数理の3部門を設け、いずれか一つを主研究部門とする一方で、3部門を横断的に学習・研究することができる」ことを実現するための科目です。また、本専攻のディプロマ・ポリシーに定める「応用数学の分野において高度な専門的学識と研究能力を持つことで、論理的・批判的に思考し、専門分野及び関連分野の諸問題を能動的に解決することができる能力」を養うための科目です。 To learn the basics and applications of diffusion models. 到達目標 Outcomes
拡散モデルの基礎と応用について理解し，説明できる．
To understand the basis and the applications of diffusion models. 卒業認定・学位授与の方針との関係（学部科目のみ）
履修上の注意 Course notes prerequisites
発表者は十分な時間をかけて準備をすること．
The participants are supposed to prepare for their presentations thoroughly. アクティブ・ラーニング科目 Teaching type（Active Learning）
課題に対する作文 Essay／ディベート・ディスカッション Debate/Discussion／プレゼンテーション Presentation
-
準備学習・復習 Preparation and review
発表者は十分な時間をかけて準備をすること．
The participants are supposed to prepare for their presentations thoroughly. 成績評価方法 Performance grading policy
レポート課題による．
Reports. 学修成果の評価 Evaluation of academic achievement
・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している ・B：到達目標を達成している ・C：到達目標を最低限達成している ・D：到達目標を達成していない ・-：学修成果の評価を判断する要件を欠格している ・S：Achieved outcomes, excellent result ・A：Achieved outcomes, good result ・B：Achieved outcomes ・C：Minimally achieved outcomes ・D：Did not achieve outcomes ・-：Failed to meet even the minimal requirements for evaluation 教科書 Textbooks/Readings
教科書の使用有無（有=Y , 無=N） Textbook used(Y for yes, N for no)
N
書誌情報 Bibliographic information
-
MyKiTSのURL（教科書販売サイト） URL for MyKiTS(textbook sales site)
教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store). https://gomykits.kinokuniya.co.jp/tokyorika/ 参考書・その他資料 Reference and other materials
岡野原 大輔「拡散モデル」岩波書店（2023）
授業計画 Class plan
第1回-第4回：数学的準備
第5回-第8回：拡散モデルの基本 第9回-第11回：画像生成への応用 第12回-第13回：音声合成への応用 第14回-第15回：テキスト生成への応用 1 - 4: Mathematical Background 5 - 8: Basis of diffusion models 9 - 11: Application to image generation 12 - 13: Application to speech synthesis 14 - 15: Application to text generation 授業担当者の実務経験 Work experience of the instructor of the class
-
教育用ソフトウェア Educational software
-
-
備考 Remarks
|
