知識情報科学特論B

Advanced Intelligent Information Science B

998F42S

86MCINP506

安藤　晋

安藤晋（Shin Ando）

2026年度前期

2026年度

①First semester

水曜4限

水曜4限

経営学研究科経営学専攻　Department of Management , Graduate School of Management

2.00単位

講義 Lecture

-

① [対面]対面授業/ [On-site] On-site class

種々の深層学習の手法について知識を学び，演習形式で深層学習モデルの実装・実験のための技法を習得する
深層学習をテーマとして英語発表および議論の訓練を行う．

Lectures on the theoretical aspects of various deep learning models.
Practices in implementation and experiments on deep learning models.
Exercises in English presentation and discussion on the subjects of machine learning and deep learning.

近年，社会・経営の様々な意思決定や問題解決においてデータ・情報から知識を獲得する手法が重要な役割を担うようになっている．
本コースの目的は本研究科のディプロマポリシーに述べる能力(1)-(4)に関連してみなさんがAIや機械学習の手法を実際の企業データに適用することで先端的な技術の応用方法を学ぶことである．
同時に，カリキュラムポリシーの(3)に述べる国際的な視野を持って活躍できる能力を英語の発表および議論を通じて育成することも目的とする．

In recent years, data mining and machine learning methods have played important roles in decision making and problem solving in business and management.
The goal of this course, in relation to the abilities (1) through (4) stated in the diploma policy of this department, is to learn first-hand how to apply these techniques to real-world problems.
Additionally, to cultivate the abilities stated in (3) of the curriculum policy, this class will conduct exercises in presentation and discussion in English language.

本コースの到達目標はみなさんがデータマイニング・機械学習手法の基礎となる統計的・数理的な基礎を理解し，応用する方法を習得する事，
データマイニング・機械学習手法を利用するためのプログラミング技術やツールの使用方法を習得する事，解析結果を発表する事である．
さらに，同じ内容について英語を用いても発表および議論することである．

Basic understanding of the statistic and mathematical principles of data mining and machine learning methods. Acquisition of skills of programming and knowledge of the tools for data mining and machine learning. Cultivating the ability to present the results of research in both native and the English languages.

・各自ノートパソコンを準備すること
・50%程度の講義を英語で行う

The applicant is required to bring a notebook PC to class.
The 50% of the class will be conducted in the English language.

本講義は東京理科大学のカリキュラムポリシーにある国際性やコミュニケーション能⼒の醸成を目的として，英語能⼒の更なる強化と英語ネイティブな学⽣，外国⼈留学⽣の学習環境整備のために英語で実施されるEMI （English-Medium Instruction）専門科⽬の一つです．
EMI科目の分類の中で本講義はカテゴリー３（部分的英語化 2）に分類され，授業全体の過半量を英語で実施します．授業の教材及び解説は原則として英語を⽤い，質疑や追加説明は⽇本語で実施します．英語コミュニケーション⼒の養成を⽬的としてオーラル英語による説明・議論も部分的に実施します．

グループワーク　Group work／実験　Experiments

-

授業時間外にも能動的に分析に取り組み，プレゼンテーション資料の準備などで創意工夫することを求める．
準備学習・復習に要する時間は１週間でそれぞれ１時間，３時間程度を目安とする．
Proactive effort in preparing data analyses and presentations outside of lecture hours is expected.
The expected amount of work between lectures is of four hours.

実データ分析の内容および成果報告に基づいて評価する．それぞれの割合は50％，50％とする．

Evaluation is based on the effort on data analysis and quality of the report.
These two aspects account for percentages of 50% and 50%, respectively, in the evaluation.

・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

N

タイトル：原論文から解き明かす生成AI
著者：菊田遥平
出版社：技術評論社
出版年：2025

タイトル：Deep Learning: Foundations and Concepts
著者：Christopher M. Bishop, Hugh Bishop
出版社：Springer
出版年：2023

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。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

1. Programming Exercise (1) Natural Language Transformer

2. Programming Exercise (2) Vision Transformer

3. Group Reading (1): Transformer

4. Group Reading (2): Transformer

5. Group Reading (4): Generative Pre-trained Transformer

6. Group Reading (5): Generative Pre-trained Transformer

7. Group Reading (6): Generative Pre-trained Transformer

8. Programming Exercise (3) Denoising Diffusion Model

9. Group Reading (7): Denoising Diffusion Model

10. Group Reading (8): Denoising Diffusion Model

11. Group Reading (9): Denoising Diffusion Model

12-15. English Presentation & Discussion Exercises

-

Mathematica／-

Python
Colaboratory

Y

N