University Guest Lectures

by IBM Academic Ambassadors

Lecture topic

Lecture language

Lecture duration

Speaker location

Speaker travel

Found 7 results

Project Management

Project management lectures based on the PMBOK will be given to high school students and above.



Project Management

Lecture language


Text Mining

This lecture introduces overview of text mining technology that enables to utilize huge amounts of textual data for identifying valuable knowledge and taking appropriate actions with some live demonstrations.


Database Research World Introduction (Material Written in Japanese)

This class provides an introduction to the top-level database research world. Three important research papers from VLDB are explained from the following three aspects.

(1) Database Performance
(2) Database Reliability
(3) Database Design

The topics include column store, data stream processing, schema matching, and …

R&D hand-on for Deep learning with Watson Studio

This is a hand-on lecture (trial for development) for Convolutional neural network with Watson Studio.
We already did this hand-on with around ~100 students in one room.

- Introduction of AI
- What is CNN
- Setup Watson Studio
- Build an initial model
- R&D …

Deep learning for computer vision and reinforcement learning

- What is AI.
- What is Deep learning
- Deep learning in Computer vision
- Deep learning in Reinforcement learning

- AIとは何か
- Deep learningとは何か
- 画像処理におけるDeep learning
- 強化学習におけるDeep learning

日本語 or English
※ Japanese materials are already ready

Introduction of Neuromorphic Computing Using Non-Volatile Memory

Neuromorphic computing using non-volatile memory (NVM) devices has the potential to enable extremely low power consumption, less than that of traditional von Neumann architecture. Low-power multiply-accumulate operations can be achieved using NVM crossbar arrays, where the conductance of an NVM …


# 概要

# 目的

# 到達目標
機械学習・データマイニングの基礎的な学習手法(EMアルゴリズムや変分ベイズ法)を理解し実装する能力を身につける。 また未知の事柄に関して自ら主体的に調査し理解する能力を身につける。

# 履修上の注意
- 線形代数、微分積分、統計学を履修していることを前提とする。特に以下のキーワードに関する知識が最低限必要である: 固有値、固有ベクトル、トレース、ノルム、多変量正規分布、最尤推定
- プログラミングは主に Python で行う。一般的なプログラミング言語の基礎知識は仮定するが、わかりづらい点に関しては適宜補足を行う。特に以下のキーワードに関する知識が最低限必要である: for文、if文、while文、オブジェクト指向、クラス、オブジェクト
- 授業中にプログラミングを行うのでノートパソコンを持参すること。

# 準備学習・復習
同じトピックの講義・実習を複数回に分けて行うため、各回でわからなかったことを調べたり質問したりして二時間程度の予習・復習を行うこと。 特にプログラミングに関しては、自ら試行錯誤を行いプログラムの挙動を確認することを通じて主体的に理解を深めることが必要である。

# 授業計画

1. ガイダンス・機械学習概論
2. Python の基本的な使い方
3. Pythonを使った統計・線形代数の復習(1)
4. Pythonを使った統計・線形代数の復習(2)
5. Pythonを使った統計・線形代数の復習(3)
6. Pythonを使った統計・線形代数の復習(4)
7. 混合モデルとEMアルゴリズムとその実装 (1)
8. 混合モデルとEMアルゴリズムとその実装 (2)
9. 混合モデルとEMアルゴリズムとその実装 (3)
10. 混合モデルとEMアルゴリズムとその実装 (4)
11. トピックモデルと変分ベイズアルゴリズムとその実装(1)
12. トピックモデルと変分ベイズアルゴリズムとその実装(2)
13. トピックモデルと変分ベイズアルゴリズムとその実装(3)
14. 予備


AI / Automation

Lecture language