【大学院生活】立教大学人工知能研究所・第7週の記録

こんにちは。
立教大学人工知能科学研究科M1としての第7週を終えました。

今週は授業が本格的に再開され、内容も徐々に専門的になってきました。
研究の方は少し足踏み状態でしたが、自己学習で新たなテーマ「生成モデル」に着手しました。

今週の授業・ミーティング参加状況

5/13（月）

• 情報科学概論（Zoom参加）

5/14（火）

• 機械学習（録画視聴・2週分）

5/16（木）

• 研究室 定例ミーティング（録画視聴）

5/18（土）

• 数理科学概論（録画視聴）

• 機械学習演習（録画視聴）

■ 情報科学概論（月）

今週のテーマは**OS（オペレーティングシステム）**の概要について。
CPU、メモリ、ディスクなどとのやり取りをどう制御しているのか、といったシステムの基本が整理されました。

■ 機械学習（火）

先週分の授業が見落とされていたようで、今週は2週分をまとめて録画視聴しました。
内容としては、**回帰モデルにおける勾配降下法、性能指標（MSEなど）**といった基礎アルゴリズムに関するものでした。

一気に視聴することで、連続的な理解が得られたのが良かったです。

■ 研究室 定例ミーティング（木）

録画で視聴しました。
学生たちの研究進捗報告に加えて、教授からはLDA法というトピックモデルアルゴリズムのデモがありました。
自分の研究分野とは異なりますが、他の手法を知るのは刺激になります。

■ 数理科学概論（土）

今週はベクトル・行列に関する全体像の説明でした。
すでに高校〜大学初級レベルで学んだ内容の復習に近く、落ち着いて聞くことができました。

■ 機械学習演習（土）

引き続き、K近傍法（KNN）を自作実装する課題に取り組みました。
今回は2変数対応です。
本質的な難易度はそれほど高くなかったのですが、職業柄どうしてもコードに汎用性やクラス設計を盛り込みたくなり、気づけば4時間超。

効率と美しさのバランス、まだまだ悩ましいです。

自己学習

■ 生成モデル（拡散モデル）

強化学習を一段落させた後、次のテーマとして生成系のモデルに関心が向いてきました。
今回は「拡散モデル」にチャレンジ。

おなじみの『ゼロから作るディープラーニング』シリーズをベースに、正規分布から始まって拡散プロセスを通じた生成の仕組みまでを学んでいます。

図解も多く、数式の細部を深追いしなくても全体像がつかみやすい構成になっているのがありがたいです。

ゼロから作るDeep Learning 5／斎藤康毅【3000円以上送料無料】 価格：3,960円（税込、送料無料) (2025/5/19時点) 楽天で購入

■ 応用数学A

現在は一時保留中。
生成モデルや課題に時間を充てたいので、今週は視聴をお休みしました。

研究活動

今週は進展なし。
テーマと手法の方向性は固まったので、次のステップであるデータセット収集に取りかかる必要があります。

わかっていても腰が重い…でもやらないと始まりませんね。
来週はここに時間を割くのが目標です。

今週のまとめ

授業と演習、自己学習と幅広く取り組んだ1週間でした。
中でも生成モデルへの第一歩は、新たな視点を得られる良い機会となりました。

研究面では若干停滞気味ですが、来週こそは**「データセット収集」**という具体的アクションを進めたいと思います。

それでは、また次週！