開講場所：
提供：大阪大学
講師：中村　直俊
開講日時：2020年10月7日 ~
受講対象者：院生(修士/博士前期)・院生(博士/博士後期)・学部生
評価方法：期末試験70%、レポート30%
受講生へのコメント：オフィスアワーは授業後とします。直接話に来てください。必要に応じてメール [email protected] でも連絡可能ですが、返事が遅くなることがあります。

必要な資料はCLEにアップロードする。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

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。

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
強化学習


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。