授業の主題
|
|
|
本授業の主題は, AIやデーター科学に関する
応用解析について基礎を固めることである.
|
| |
|
|
学修目標（到達目標）
|
|
|
|
・機械学習やデーターサイエンスの数理
|
| |
|
|
|
|
|
|
授業概要
|
|
|
|
1 深層学習に関わる線形代数の内容
|
| |
|
|
評価方法と割合
|
|
|
|
|
|
|
|
授業時間外の学修に関する指示
|
|
予習に関する教材
|
|
オンデマンド教材（授業内容の一部）
|
| |
|
|
復習に関する教材
|
|
オンデマンド教材（授業内容の一部）
|
| |
|
|
教科書・参考書
|
|
参考書
|
|
|
|
|
978-4-86481-016-6
|
|
畑上到
|
|
数理工学社
|
2014
|
|
|
|
4764906007
|
|
ギルバート・ストラング
|
|
近代科学社
|
2021
|
|
|
|
1009098489
|
|
Steven L. Brunton (著), J. Nathan Kutz (著)
|
|
Cambridge University Pres
|
2022
|
|
|
|
|
|
|
オフィスアワー等（学生からの質問への対応方法等）
|
|
|
木曜昼休み.
質問は随時e-mailなどで受け付ける. 教員のmailアドレスは受講生に知らせる.
|
| |
|
|
履修条件
|
|
|
特になし.
|
| |
|
|
適正人数
|
|
|
希望者は受け入れる. 超過した場合は適宜対処する.
|
| |
|
|
|
|
その他履修上の注意事項や学習上の助言
|
|
|
ノートを読み返し内容理解に努めること.
|
| |
|
|
|
|
カリキュラムの中の位置づけ
|
|
|
関連科目：微分積分学，微分方程式, 線形代数
|
| |
|
|
|
|
|