- トップ
- 電気通信大学大学院
- 「知的学習システム」を含む授業
- 庄野逸先生の「知的学習システム」の評価一覧
電気通信大学大学院
庄野逸先生の「知的学習システム」の評価一覧
【電気通信大学大学院】庄野逸先生が担当する「知的学習システム」には、6件の授業評価が寄せられています。授業の充実度は星4.0点、楽単度は星3.0点です。会員登録・ログインをして、在学生による評価とシラバスの内容をもとに、授業の選択・履修登録の参考にしましょう。
Yoshimiki さんの授業評価
| 学部 学科 | 電気通信学研究科 電子工学専攻 |
|---|---|
| 担当の先生名 | 庄野逸先生 |
| 授業種別 | 語学 |
| 出席 | ほぼ毎回とる |
| 教科書 | 教科書なし・不要 |
| 授業の雰囲気 | - |
| テスト |
前期/中間:
レポートのみ 後期/期末: レポートのみ 持ち込み: 教科書ノート持ち込み不可 |
| テストの方式や難易度 | - |
| コメント 授業の内容や学べたこと |
機械学習についての先端知識から,伝統的な手法まで学べる講義. |
| 授業を 受けた時期 |
- |
| 評価 |
|
(2020/04/30) [3593071]
みみみ さんの授業評価
| 学部 学科 | 電気通信学研究科 電子工学専攻 |
|---|---|
| 担当の先生名 | 庄野逸先生 |
| 授業種別 | 専門科目 |
| 出席 | ほぼ毎回とる |
| 教科書 | 教科書なし・不要 |
| 授業の雰囲気 | - |
| テスト |
前期/中間:
レポートのみ 後期/期末: レポートのみ 持ち込み: テストなし |
| テストの方式や難易度 | - |
| コメント 授業の内容や学べたこと |
機会学習の入門編として勉強できる。ベイズ推定, 回帰, パターン認識,ニューラルネットは一通り触れる。 |
| 授業を 受けた時期 |
- |
| 評価 |
|
(2019/02/23) [3081011]
タロー さんの授業評価
| 学部 学科 | 電気通信学研究科 電子工学専攻 |
|---|---|
| 担当の先生名 | 庄野逸先生 |
| 授業種別 | 専門科目 |
| 出席 | ほぼ毎回とる |
| 教科書 | 教科書なし・不要 |
| 授業の雰囲気 | - |
| テスト |
前期/中間:
レポートのみ 後期/期末: レポートのみ 持ち込み: テストなし |
| テストの方式や難易度 | - |
| コメント 授業の内容や学べたこと |
統計学の基礎からベイズ推定、対数尤度などパターン認識の基礎が学べる |
| 授業を 受けた時期 |
- |
| 評価 |
|
(2018/05/30) [2923012]
test さんの授業評価
| 学部 学科 | 電気通信学研究科 電子工学専攻 |
|---|---|
| 担当の先生名 | 庄野逸先生 |
| 授業種別 | 専門科目 |
| 出席 | ほぼ毎回とる |
| 教科書 | 教科書なし・不要 |
| 授業の雰囲気 | - |
| テスト |
前期/中間:
テスト・レポート両方なし 後期/期末: テスト・レポート両方なし 持ち込み: 教科書ノート持ち込み不可 |
| テストの方式や難易度 | - |
| コメント 授業の内容や学べたこと |
統計的なパターン認識、機械学習などの基礎について主に学習する |
| 授業を 受けた時期 |
- |
| 評価 |
|
(2017/11/02) [2633842]
mimo さんの授業評価
| 学部 学科 | 電気通信学研究科 電子工学専攻 |
|---|---|
| 担当の先生名 | 庄野逸先生 |
| 授業種別 | 専門科目 |
| 出席 | ほぼ毎回とる |
| 教科書 | 教科書なし・不要 |
| 授業の雰囲気 | - |
| テスト |
前期/中間:
テスト・レポート両方なし 後期/期末: テスト・レポート両方なし 持ち込み: 教科書ノート持ち込み不可 |
| テストの方式や難易度 | - |
| コメント 授業の内容や学べたこと |
統計的なパターン認識、機械学習などの基礎について主に学習する.その後、具体的な学習認識システムの例として,Deep Learning(神経回路モデル),Support Vector Machine,Hidden Markov Modelなどの手法に関していくつかを取り上げ,議論を行い,基本的な考え方を理解する. |
| 授業を 受けた時期 |
- |
| 評価 |
|
(2017/10/16) [2627944]
tyomateyo さんの授業評価
| 学部 学科 | 電気通信学研究科 電子工学専攻 |
|---|---|
| 担当の先生名 | 庄野逸先生 |
| 授業種別 | 専門科目 |
| 出席 | ほぼ毎回とる |
| 教科書 | 教科書なし・不要 |
| 授業の雰囲気 | - |
| テスト |
前期/中間:
レポートのみ 後期/期末: 授業無し 持ち込み: テストなし |
| テストの方式や難易度 | - |
| コメント 授業の内容や学べたこと |
統計的なパターン認識、機械学習などの基礎について主に学習する.その後、具体的な学習認識システムの例として,Deep Learning(神経回路モデル),Support Vector Machine,Hidden Markov Modelなどの手法に関していくつかを取り上げ,議論を行い,基本的な考え方を理解する. |
| 授業を 受けた時期 |
- |
| 評価 |
|
(2017/07/11) [2588161]

