公募情報

実データで学ぶ人工知能講座（NEDO特別講座）

【概要】

大阪大学では、東京大学とともに、国立研究開発法人新エネルギー・産業技術総

合開発機構（NEDO）の委託を受け、人工知能（AI）分野の人材不足に対応するため

の即戦力人材の育成講座（NEDO特別講座）を開講します。

本講座は、実社会で活躍中の研究者・技術者を対象としており、受講者は最短半

年間で、講義を通じてAI知識を体系的に習得するとともに、製造現場や顧客行動等

のさまざまなデータを用いた演習を通じて、データの構築方法や解析手法などのAI

技術を身につけることができます。

【目的】

AIに係る我が国トップレベルの大学の講義と、実際にデータを扱う演習とを

短期間のパッケージで受講することにより、企業が求める最先端のAI技術に係

る即戦力人材を育成します。

【対象イメージ】

・メーカー(電機、機械等)で開発プロジェクトに従事する者(～入社１０年目)

・情報工学、数理情報、物理情報工学、デザイン情報学等を専攻した者／機械

工学等ＣＳの周辺領域について専攻した者

【募集期間】

平成３０年度春～夏学期分

平成３０年１月９日（火）～２月１日（木）

※平成３０年度秋～冬学期以降については、改めてお知らせいたします。

【応募資格】

大学を卒業した者又は平成３０年３月３１日までに卒業見込みの者であって、デー

タの構築方法や解析手法などのAI技術を身につけることを希望する者を対象としま

す。

【定員】

２０名程度

※応募者多数の場合は、CSテストの結果等により受講者を決定いたします。

※平成３０年秋～冬学期以降の定員については、改めてお知らせいたします。

【応募方法・書類】

（１）大阪大学大学院情報科学研究科科目等履修生出願要項に定める様式「入

学願書」及びCSテストの受験希望日を明記した資料（様式自由）を募集期間

内に郵送してください。入学願書等を受け付けた旨の連絡と併せてCSテスト

の案内をメールにてお送りします。

※CSテスト実施日 平成３０年２月５日～２月９日 １８：００～１時間程度

（２）原則、受験希望日に、CSテストを受けていただきます。CSテストの結果等に

基づき、本講座の受講の可否を決定し、２月１３日には、結果を連絡します。

（３）受講が可能とされた方は、大阪大学大学院情報科学研究科科目等履修生出

願要項に従い、平成３０年２月１３日～２月２３日の間に出願してください。な

お、必要書類のうち、「入学願書」及び「履修科目願」の提出は不要です。

大阪大学大学院情報科学研究科科目等履修生出願要項

http://www.ist.osaka-u.ac.jp/japanese/admission/files/2018/41_a.pdf

出願書類

http://www.ist.osaka-u.ac.jp/japanese/admission/files/2018/41_c.pdf

【科目等履修生としての入学許可】

書類審査の上、３月２日（金）に郵便で送付します。

【科目等履修生としての入学手続】

入学手続の期間は、平成３０年３月８日（木）・３月９日（金）の２日間です。

入学手続の詳細については、合格者あてにお知らせします。

【科目等履修生納付金（検定料・入学料・授業料）】

大阪大学科目等履修生として、検定料（９，８００円）、入学料（２８，２００円）、授業

料（４単位分５７，６００円）を大学に納付していただきます。別途、入学後に学生教育

研究災害保険の保険料（１，０００円）の加入もお願いしています。

【講座の詳細】

（1）プログラムの流れ

・コンピューターサイエンスプレースメントテスト（事前受講）

基礎学力を確認し、必要な場合には補習を行う。

・AIに関するトップレベル講義（３講義）

AIに関する先導的知識、基礎的知識の獲得を目指す。

・リアルコモンデータを扱う演習

即戦力を高めるために具体的な社会課題を扱う。

・演習終了時の能力評価

教育の質保障として能力評価を行う。

（2）大阪大学での実施内容

人工知能の基礎から始まり、春～夏学期は、画像、脳データ、各種センサデータ、秋～冬

学期は、自然環境データ、画像、人物データを対象にした、実データからの学びの場を提供し

ます。

講義内容

平成３０年度春～夏学期開講

・「知能と学習」

キーワード：人工知能・機械学習の概要、決定木による学習アルゴリズム、ルールベースシステムと

ルールの学習方法、ナイーブベイズ学習と最近傍法、相関ルールとその学習法、クラスタリング、

EMアルゴリズム、サポートベクトルマシン、述語論理の基礎、帰納論理プログラミングと関係データ

マイニング、バージョン空間法と説明に基づく学習、データマイニングのための前処理・データ変換、

属性選択・構築と新述語の発明、アンサンブル学習

・「ビッグデータ解析」

キーワード：データマイニングの導入、多次元データ分析（OLAP分析）、データキューブ技術、相関

ルールマイニング、パターンマイニング、クラスタリング、グラフマイニング、影響力分析、推薦技術、

異常検知

・「脳機能計測概論」

キーワード：神経細胞、神経回路網、機能的磁気共鳴画像法(fMRI)、脳磁図(MEG)、脳波(EEG)、視

覚、聴覚、言語、注意、運動、学習と記憶、執行機能、意識と無意識、情動、社会脳、ニューロマー

ケティング、ニューロエコノミクス、安静時脳活動、ディフォルトモードネットワーク、ウェクスラー成人

知能検査(WAIS)、Japanese Adult Reading Test (JART)、時系列データ解析、統計解析、グラフ解析、

判別分析、機械学習

（参考）

平成３０年度秋～冬学期開講

・「知能システム概論」

キーワード：パターン識別の概要、ベイズ決定則の概要、最小誤り識別則、正規分布に対する識別

関数誤差確率、離散特徴、欠損・ノイズデータに対する扱い、最尤推定法、ベイズ推定、ベイズパラ

メタ推定、十分統計量、次元の問題、主成分分析、線形判別分析、EMアルゴリズム

・「マシンビジョン」

キーワード：マシンビジョンの概要、画像生成過程、フィルタリング、特徴抽出と照合、幾何変換、モ

デル当てはめ、ステレオ視、Structure from Motion、照度差ステレオと陰影からの形状復元、オプテ

ィカルフロー、物体検出、物体認識、マシンビジョンのための機械学習

・「知識情報学」

キーワード：機械学習概要、機械学習の基本的な手順、決定木学習、ベイズ学習、生成モデルと識

別モデル、ニューラルネットワーク、サポートベクトルマシン、線形回帰、回帰木、アンサンブル学習、

クラスタリング、異常検出、可視化と自己組織化マップ、パターンマイニング、系列データのラベリン

グと識別、半教師あり学習、深層学習

【開講日、講師、開講場所】

平成３０年度春～夏学期（平成３０年４月１日～平成３０年９月３０日）

・「知能と学習」・・・月曜・６時限（18:00-19:30）

沼尾 正行

大阪大学産業科学研究所

・「ビッグデータ解析」・・・・・・・火曜・６時限（18:00-19:30）

鬼塚 真

大阪大学大学院情報科学研究科

・「脳機能計測概論」・・・・・・・・・金曜・６時限（18:00-19:30）

下川 哲也

大阪大学脳情報通信融合研究センター

※各講義に関連する演習を別途行います。

【履修認定】

本講座の所定のコースを修了した方には、CSテストのスコア及びすべての演習の

スコアを含む認定書を授与します。また、大学院情報科学研究科の履修授業科目

（「知能と学習」、「ビッグデータ解析」）は、試験等を行い、合格者には単位を認定しま

す。

問い合わせ先

大阪大学データビリティフロンティア機構事務局

〒565-0871 大阪府吹田市山田丘１－１

TEL：06-6105-6116

FAX：06-6105-6120

E-mail：nedokouza@ids.osaka-u.ac.jp

home page：http://www.ids.osaka-u.ac.jp

●講義内容情報

「知能と学習」 「ビッグデータ解析」 「脳機能計測概論」

開講区分(開講学期)／Semester

春〜夏学期開講区分(開講学期)／

Semester春〜夏学期

開講区分(開講学期)／Semester

春〜夏学期

曜⽇・時間／Dayand Period

⽉6曜⽇・時間／Day

and Period⽕６

曜⽇・時間／Dayand Period

⾦６

開講科⽬名／CourseName (Japanese)

知能と学習開講科⽬名／CourseName (Japanese)

ビッグデータ解析開講科⽬名／CourseName (Japanese)

脳機能計測概論

教室／Room その他 教室／Room A110 教室／Room 脳情報通信融合研究センター 1F ⼤会議室(A)開講科⽬名(英)／

Course NameIntelligence and Learning

開講科⽬名(英)／Course Name

Big Data Analytics開講科⽬名(英)／

Course NameIntroduction to Brain Function Measurement

定員／Capacity 20⼈程度 定員／Capacity 20⼈程度 定員／Capacity 20⼈程度単位数／Credits 2 単位数／Credits 2 単位数／Credits

年次／Student Year 1,2年 年次／Student Year 1,2年 年次／Student Year担当教員／Instructor 沼尾 正⾏ 担当教員／Instructor ⻤塚 真, 佐々⽊ 勇和 担当教員／Instructor 下川 哲也

開講⾔語／Languageof the Course

⽇本語・英語開講⾔語／Language

of the Course⽇本語

開講⾔語／Languageof the Course

⽇本語

授業形態／Type ofClass

講義科⽬授業形態／Type of

Class講義科⽬

授業形態／Type ofClass

講義科⽬

学習⽬標／LearningGoals

受講者が⼈の知能の源泉について考察できる。⼈⼯知能をコンピュータ上に実現するための初歩的なプログラミングができる。その中でも、機械学習とデータマイニングの⼿法について学び、ツールを利⽤したり、プログラミングができる。

学習⽬標／LearningGoals

⼤規模な構造データを分析する分散処理システムに関する技術，およびテキストデータを処理する⾃然⾔語処理技術について応⽤事例を題材として学ぶことで，将来，研究・技術者として⾃⽴する技術を習得する

学習⽬標／LearningGoals

⼈⼯知能(AI)に関連する脳科学についての洞察を深め、⾃⾝の関連する産業分野への応⽤に必要な基礎知識を得る。ビジネスとして脳の知⾒を応⽤する場合に、具体的にどのような計測実験、データが必要かが判断、提案できる。脳計測実験で得られたデータなどを⽤いて、時系列解析、統計解析、ネットワーク解析、そして機械学習を含むAI解析ができる。解析に必要なツール、ソフトウェアの利⽤、およびプログラミングができる。

履修条件・受講条件／Requirement /

Prerequisite

履修条件・受講条件／Requirement /

Prerequisite

アルゴリズムとデータ構造に関する基本的な知識およびプログラミングに関する⼀般的な知識、基本的なプログラミング技術は必要．

履修条件・受講条件／Requirement /

Prerequisite

基本情報 基本情報 基本情報

詳細情報 詳細情報 詳細情報

1. 神経細胞と神経回路網2. 機能的磁気共鳴画像法(fMRI)3. 脳磁図(MEG)4. 脳波(EEG)5. 感覚系の情報処理6. 記憶と学習7. 意識と無意識8. 社会脳科学とニューロエコノミクス9. 安静時脳活動とディフォルトモードネットワーク10. 認知機能検査〜知能(IQ)の測り⽅〜11. 実験デザイン12. データの前処理と統計解析13. 脳ネットワークのグラフ解析14. 判別分析15. 機械学習を含むAI解析

授業の⽬的と概要／Course Objective

⼈⼯知能の基礎について、学習能⼒を中⼼に論じる。 ⼈⼯知能 (AI: Artificial Intelligence) の研究では、コンピュータに知能を持たせることを試みており、チェスのような⾼度なゲームについても、ヒトを凌駕しつつある。ヒトと⽇本語や英語で対話するシステムや、インターネットからの知識の⾃動発掘、発⾒、⾃動作曲やデザインなどの研究も進んでいる。本講義では、これらを実現するための基礎的な技術について述べる。特に、ヒトにおいては、知能と表裏⼀体の関係にある学習能⼒について考察し、コンピュータに学習能⼒を備えさせる⽅法について、重点的に論じる。機械学習⼿法と密接な関係にあるデータマイニングの⼿法についても議論する。

授業の⽬的と概要／Course Objective

ビッグデータを活⽤したデータ分析能⼒を養うことを⽬的として，ビジネスデータの多⾓的分析やネットフリックスのビデオ推薦で使⽤されている代表的なデータマイニング技術について学びます．具体的には，多次元データ分析，相関ルールマイニング，クラスタリング，グラフマイニング，分類，推薦，異常検知に関するアルゴリズム，および分散環境におけるビッグデータ処理技術に関して学びます．

授業の⽬的と概要／Course Objective

⼈⼯知能（AI)と脳科学は切っても切れない関係にあり、AIは脳科学から⽣まれ、また脳科学ではAIを使って計測データの解析を⾏っている。近年、特に欧⽶の企業では、AIのみならず、脳科学の知⾒を積極的にビジネスへ応⽤する取り組みが進みつつある。しかし⽇本では、医療分野ではある程度進んでいるものの、産業応⽤ではまだ少ないと⾔わざるを得ない。⽇本の企業にはAIや脳のことがわかる専⾨家がほとんどいないためである。本講義の⽬的は、AIと脳の両⽅がわかる企業⼈を育成することにある。本講義では、まずAIの基礎となった脳科学について体系的に学んでいただき、さらにどのようにすれば脳の活動を計ることができるのか、その計測⽅法（原理および解析⽅法）についても学んでいただく。実際に、MRI（核磁気共鳴画像法）などの計測装置の⾒学も実施予定であり、希望者は被験者として体験することも可能である。さらに、計測で得られた脳のデータを⽤いて、いくつかの課題について、機械学習を含めたAI関連技術等を⽤い、各⾃持参のPCでプログラム演習を⾏っていただく。

授業計画／ClassPlan

1. ⼈⼯知能、機械学習とは何か?2. 決定⽊による学習アルゴリズム3. ルールベースシステムとルールの学習⼿法4. ナイーブベイズ学習と最近傍法5. 相関ルールとその学習法6. クラスタリング7. EMアルゴリズム8. サポートベクトルマシン9. 述語論理の基礎10. 帰納論理プログラミングと関係データマイニング11. バージョン空間法と説明に基づく学習12. データマイニングのための前処理・データ変換13. 属性選択14. 属性構築と新述語の発明15. アンサンブル学習

授業計画／ClassPlan

第 1回：データマイニングの概要第 2回：多次元データ分析(OLAP分析)第 3回：データキューブ技術第 4回：相関ルールマイニング基本第 5回：相関ルールマイニング発展第 6回：クラスタリング基本第 7回：クラスタリング発展第 8回：グラフマイニング基本第 9回：グラフマイニング応⽤第10回：異常検知第11回：推薦技術基礎第12回：推薦技術応⽤第13回：分散データ処理技術の概要第14回：分散データ処理技術のアーキテクチャ第15回：分散データ処理技術のユースケース

授業計画／ClassPlan

「知能と学習」 「ビッグデータ解析」 「脳機能計測概論」

授業外における学習／Independent

Study Outside ofClass

講義中に出題する課題に取り組む。

授業外における学習／Independent

Study Outside ofClass

講義中に出題する課題に取り組む。

授業外における学習／Independent

Study Outside ofClass

各回の講義で学んだ内容の演習や次の講義の予習を宿題として課す．

教科書・教材／Textbooks

情報処理学会編集 IT Text データマイニングの基礎,元⽥浩,津本周作,⼭⼝⾼平,沼尾正⾏ 著, オーム社(2006)

教科書・教材／Textbooks

Data Mining: Concepts and Techniques (TheMorgan Kaufmann Series in Data ManagementSystems)http://hanj.cs.illinois.edu/bk3/bk3_slidesindex.htm

教科書・教材／Textbooks

毎回の講義で講師から講義の資料を配布する．

・E. R. Kandel et al., ⾦澤⼀郎 宮下保司 監訳、「カンデル神経科学」 (メディカル・サイエンス・インターナショナル, 2014)

・S. A. Huettel et al., 福⼭秀直 監訳、「fMRI 原理と実践」 （メディカル・サイエンス・インターナショナル、2014)

成績評価／GradingPolicy

期末試験 ５０％、講義中および講義後のレポート３０％、講義での質問状況２０％

成績評価／GradingPolicy

毎回⾏う課題の完成度(50%)と出席状況(50%)から評価を⾏う．

成績評価／GradingPolicy

コメント／OtherRemarks

コメント／OtherRemarks

分析のツールを使う際には，PCの持参をお願いする場合がある

コメント／OtherRemarks

分析のツールを使う際には，PCの持参をお願いする場合がある

教室: 教室：

産業科学研究所 管理棟 講堂: 脳情報通信融合研究センター

http://www.sanken.osaka-u.ac.jp/access/access_buildings/

http://cinet.jp/contact/

の ⑤ ) １F ⼤会議室（A)

オフィスアワー／Office Hour

⽉曜⽇15:00〜17:00オフィスアワー／

Office Hour⽉曜⽇15:00〜18:00

オフィスアワー／Office Hour

受講⽣へのメッセージ／Messages to

ProspectiveStudents

知能とは何か、考えてみて下さい。講義中の質問頻度や内容により、２０％程度の範囲でボーナス点を与えます。

受講⽣へのメッセージ／Messages to

ProspectiveStudents

企業が有するデータを分析する実⽤的な技術に関して，理論的な⽴場から技術を学ぶと共に，簡易な演習を通して実⽤的なスキルを⾝につけることを狙いとしています．

受講⽣へのメッセージ／Messages to

ProspectiveStudents

特記事項／SpecialNote

特記事項／SpecialNote

特記事項／SpecialNote

参考⽂献／Reference

・⼈⼯知能学辞典, 共⽴出版 (2017), CD-ROM版あり。

・Russell, Norvig著:エージェントアプローチ⼈⼯知能,共⽴出版.

参考⽂献／Reference

なし参考⽂献／Reference