何か求めたい値に対して、その要因となる要素の値を用いてそれらの関係性を分析、予測する手法。売上予測や因果関係の分析などに用いられる。
それぞれのデータがあらかじめ設定したカテゴリーのうち、どこに属するのかを判別すること。メールのフィルタリングやスパム判別などに用いられる。
多次元のデータをより少ない次元(指標)に縮約することで、視覚的にも理解しやすい形にする手法。テスト結果やアンケートの分析などに用いられる。
入力と出力の間に中間層を挟み多層化することで学習精度を高める機械学習の手法。ヒトの神経細胞の構造をヒントに開発され、AI分野によく用いられる。
深層学習の応用分野の一つ。畳み込みと呼ばれる手法を用いて、画像ピクセル同士の位置関係を含めて学習する。手書き文字の判別などに用いられる。
モデル自身が試行錯誤しながら一連の行動を最適化するアルゴリズムのこと。「AIが囲碁のプロ棋士に勝利」と報じられるAIの殆どは強化学習を用いている。
ChatGPTをはじめとする、自然言語モデルは各分野でも活用されるようになっている。大規模言語モデルや感情分析などを用いて、様々な課題にチャレンジする。
本ゼミは、比較的にプログラミングの学習と深層学習モデル を活用して様々な課題にチャレンジすることを重視しています。主に以下に興味がある人を歓迎します。
プログラミングに興味のある人
AIモデルを活用してみたい人
AIモデルを改良、自作したい人
前期は、事前に予習をした1、2名が教材を説明する輪読形式で進行します。機械学習の基礎を実践的に学びつつ、初学者は段階的にプログラミングに慣れていくことができます。後期は、前期と同様の輪読と並行して、自身で卒論テーマを大まかに決定し、研究に取り組みはじめます。
三年生が行う輪読を聴講して前年度に学んだことを復習しつつ、自分で決定したテーマの卒論研究に本格的に取り組んでいきます。基本的には三年次から始めているため、締め切りにかなりの余裕があります。部活やバイト、就活と並行しながら自分のペースでコツコツと進めることができます。
不安な点があれば随時、先生と相談できるため、安心して取り組めます。扱う授業テーマを生徒の意見で決定できる自由度の高さが魅力ですが、同時に「主体的に取り組めない人」「単位だけ欲しい怠惰な人」にとっては厳しい面もあります。『演習履修の手引き』の当該ページも併せてご参照ください。
ゼミ卒業生の許可を得て、論文のタイトルを掲載してます。
・大規模言語モデルのLoRA学習によるYouTubeバズり動画予測モデルの構築
・イラスト投稿サイトにおけるタグ判別モデルへの転移学習の適用および閲覧数増加に寄与するタグ推薦モデルの構築
・TBA