開講場所：
提供：大阪大学
講師：中村直俊
開講日時：2021年10月6日 ~
受講対象者：院生(修士/博士前期)・院生(博士/博士後期)
評価方法：中間レポート(40%)・期末レポート(60%)の合計で評価する予定である。
受講生へのコメント：教科書・教材
必要な資料は指定ウェブサイトにアップロードする。

参考文献
講義で扱う内容に深く関係する参考書として、
瀧雅人「これならわかる深層学習入門」機械学習スタートアップシリーズ、講談社、2017
須山敦志「ベイズ推論による機械学習入門」機械学習スタートアップシリーズ、講談社、2017

オフィスアワーは講義終了後とします。その場で質問などに答えます。

確率論と情報理論に基づいた機械学習の理論を学ぶ。画像解析、時系列解析、教師なし学習などに用いられる深層学習（ディープラーニング）のモデルについて学ぶ。

確率モデルと機械学習の関わりについて理解し、説明できる。ディープラーニングの応用を概説できる。

大学1年生の講義で扱われる程度の、初等的な確率論の知識（確率変数、確率密度関数など）、微積分の知識（偏微分など）、線形代数の知識（行列の計算など）を用いる。

扱う内容：各トピックを約3回ずつでカバーする予定。授業の進行に応じて、扱い方やトピックを変更することがある。

確率論・情報理論
ベイズ推論と機械学習
ニューラルネットワークの学習
深層学習（ディープラーニング）の確率モデル
教師なし学習

講義で扱った内容に対応する部分を参考書で読み、理解を深める。課題レポートに取り組み、提出する。