| 年度 |
2026年度 |
開講部局 |
医系科学研究科博士課程前期 |
| 講義コード |
TB000143 |
科目区分 |
専門的教育科目 |
| 授業科目名 |
特別演習 |
授業科目名
（フリガナ） |
トクベツエンシュウ |
| 英文授業科目名 |
Seminar |
| 担当教員名 |
近添 淳一,PHAM QUANG TRUNG |
担当教員名
(フリガナ) |
チカゾエ ジュンイチ,ファム クアン チュン |
| 開講キャンパス |
霞 |
開設期 |
1年次生 後期 セメスター（後期） |
| 曜日・時限・講義室 |
(後) 集中 |
| 授業の方法 |
演習 |
授業の方法
【詳細情報】 |
対面, オンライン（同時双方向型）, オンライン（オンデマンド型） |
| 演習中心、ディスカッション、学生の発表、作業、プログラミング |
| 単位 |
2.0 |
週時間 |
|
使用言語 |
B
:
日本語・英語 |
| 学習の段階 |
5
:
大学院基礎的レベル
|
| 学問分野（分野） |
26
:
生物・生命科学 |
| 学問分野（分科） |
04
:
生命科学 |
| 対象学生 |
|
| 授業のキーワード |
|
| 教職専門科目 |
|
教科専門科目 |
|
プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ） | |
|---|
到達度評価
の評価項目
（学部生対象科目のみ） | |
|---|
| 授業の目標・概要等 |
深層学習を含む機械学習のさまざまなアルゴリズムを学習し、データの性質に適したアルゴリズム選択が行えるようになることを目指す。
データに対して、大規模言語モデルなどを利用して、基本的な機械学習や、高度な深層学習モデルを用いた解析を行い、結果を解釈する。 |
| 授業計画 |
第1回 後期ガイダンス
第2回 脳型AIとモデリング
第3回 デコーディング・エンコーディング解析
第4回 神経表現類似性解析（RSA)
第5回 マルチモーダル解析の基礎
第6回 生成AIと脳
第7回 データ解析演習１
第8回 データ解析演習２
第9回 データ解析演習３
第10回 LLM応用演習１
第11回 LLM応用演習２
第12回 LLM応用演習３
第13回 ミニ・プロジェクト発表準備
第14回 ミニ・プロジェクト発表
第15回 総括（今後の研究への展開） |
| 教科書・参考書等 |
The Elements of Statistical Learning (Hastie et al.)
Functional Magnetic Resonance Imaging (Huettel et al.) |
授業で使用する
メディア・機器等 |
テキスト, 配付資料, Microsoft Teams, Zoom |
| 【詳細情報】 |
|
授業で取り入れる
学習手法 |
ディスカッション, PBL（Problem-based Learning）／ TBL（Team-based Learning）, プロジェクト学習 |
予習・復習への
アドバイス |
fMRIは生きている人間の認知機能を非侵襲的に調べることができる、非常に有用な研究手法です。
特に、安静時ｆMRIは疾患の診断にも有用であることが知られており、臨床応用が有望視されています。
fMRIデータ解析法を学ぶとともに、このデータの特性を理解し、適切な機械学習アルゴリズムを適用できるようになることが求められます。 |
履修上の注意
受講条件等 |
|
| 成績評価の基準等 |
fMRIデータの性質や機械学習アルゴリズムの特徴をどれだけ理解しているか、に基づいて評価します。 |
| 実務経験 |
|
実務経験の概要と
それに基づく授業内容 |
|
| メッセージ |
|
| その他 |
|
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。 |