分類
選択
概要
スマートシステムの主要部分を成す機械学習システムの特有の課題およびその解決に向けた考え方や分析・設計のプロセスと定石・パターンを、事例も交えて学ぶ。
講師
吉岡信和(早稲田大学)
鷲崎弘宜(早稲田大学)
内平直志(北陸先端科学技術大学院大学)
到達目標
以下を習得することを目標とする。
‐機械学習システムの課題と要求分析の方法とプロセスを理解している。
‐機械学習システムの設計の定石としての機械学習デザインパターンおよびそれを用いた段階的なアーキテクチャ設計の方法を理解している。
準備学習・前提知識
‐データ解析、機械学習の基礎知識
履修時間
履修コマ数：8コマ
履修時間数：12時間
計画
| 回 | 講義内容 | 講師 | 配信 | 形式 |
|---|---|---|---|---|
| 1 | 機械学習工学概論(基本概念と最新動向) | 吉岡信和 | オンデマンド | 座学 |
| 2 | 機械学習システムの要求分析 | 吉岡信和 | オンデマンド | 座学 |
| 3 | 機械学習システムのアーキテクチャと設計 | 鷲崎弘宜 | オンデマンド | 座学 |
| 4 | 機械学習デザインパターン | 鷲崎弘宜 | オンデマンド | 座学 |
| 5 | 機械学習システムの要求分析 | 吉岡信和 | Zoom | 演習 |
| 6 | 機械学習システムの設計プロセス | 鷲崎弘宜 | Zoom | 演習 |
| 7 | 機械学習システム開発の事例 | 内平直志 | Zoom | 座学・演習 |
| 8 | 機械学習システム開発の事例分析 | 内平直志 | Zoom | 演習 |
参考書
‐吉岡信和、内平直志、鷲崎弘宜、竹内広宜(著)、AIプロジェクトマネージャのための機械学習工学、科学情報出版株式会社、2022
‐Valliappa Lakshmanan, Sara Robinson, Michael Munn(著)、鷲崎弘宜、竹内広宜、名取直毅、吉岡信和 (訳)、機械学習デザインパターン – データ準備・モデル構築・MLOpsの実践上の問題と解決、オライリージャパン、2021
評価
レポート(100％)
