- ホーム
- > 工学院
- > ライフエンジニアリングコース
- > データ分析から機械学習へ
- 開講元
- ライフエンジニアリングコース
- 担当教員名
- SLAVAKIS KONSTANTINOS
- 授業形態
- 講義 (ライブ型)
- メディア利用科目
- 曜日・時限(講義室)
- 火3-4(J221)
- クラス
- -
- 科目コード
- HCB.C423
- 単位数
- 1
- 開講年度
- 2022年度
- 開講クォーター
- 2Q
- シラバス更新日
- 2022年1月23日
- 講義資料更新日
- -
- 使用言語
- 英語
- アクセスランキング
-
media
講義の概要とねらい
機械学習の入門を行う。数学的な話を避け、機械学習のアルゴリズムのモチベーションと目標に注目する。ハンズオンアプローチ：Pythonを使ってリアルタイムで機械学習の基礎とアルゴリズムを説明する。この授業のレベルは1Qの「Introduction to Data Science(HCB)」ともっと数学的な機械学習とAIの授業の間となる。
到達目標
機械学習の基礎概念を習得する。Pythonで基礎的な機械学習アルゴリズムを実行する。
キーワード
機械学習、データ解析、Python
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | 教養力 | コミュニケーション力 | ✔ 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
| ✔ （ア）Pythonで機械学習の基礎アルゴリズムの実技を習得する。(イ） 与えられたデータサイエンスの問題に適当な機械学習アルゴリズムを識別する能力を伸ばす。 | ||||
授業の進め方
概念についての講義を行う。ハンズオンアプローチ：Pythonを使ってリアルタイムで機械学習の基礎とアルゴリズムを説明する。ホームワークも講義で説明されたPythonのコードの上でのプロジェクトになる。スライド、Pythonのコードとデータが提供される。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | コースの入門 | 機械学習のモチベーションと目標。Pythonとscikit-learnのインストールのやり方。 |
| 第2回 | 回帰の入門 | 最小二乗回帰、正則化線形回帰、多項式回帰 |
| 第3回 | 次元削減の入門 | 主成分分析とそのバリアント |
| 第4回 | クラスタリングの入門 | Kmeansとスペクトルクラスタリング |
| 第5回 | 分類の入門（I） | 単純ベイズ分類とサポートベクターマシン |
| 第6回 | 分類の入門（II） | ランダムフォレストとパーセプトロン（ニューラルネットワークの入門） |
| 第7回 | ディープニューラルネットワークの入門 | 畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、など |
授業時間外学修（予習・復習等）
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する 予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
なし
参考書、講義資料等
スライド、Pythonのコードとデータが提供される。
（ア）A. Geron, “Hands-on Machine Learning with Scikit-Learn, Keras & TensorFlow,” O’Reilly, 2nd ed., 2019.
（イ）R. O. Duda, P. E. Hart, and D. G. Stork, “Pattern Classification,” John Wiley & Sons, 2nd ed., 2001.
（ウ）S. Theodoridis, “Machine Learning: A Bayesian and Optimization Perspective,” Academic Press, 2nd ed., 2020.
成績評価の基準及び方法
ホームワーク・アサインメント（100％）
関連する科目
- Introduction to Data Science(HCB)
履修の条件(知識・技能・履修済科目等)
微分積分解析の基礎。Pythonの知識は必要はない。
連絡先（メール、電話番号） ※”[at]”を”@”(半角)に変換してください。
slavakis.k.aa[at]m.titech.ac.jp / 045-924-5410
オフィスアワー
Zoomで毎週火曜日（15時-16時）
