2020年度 機械学習   Machine Learning

文字サイズ 

アップデートお知らせメールへ登録 お気に入り講義リストに追加
開講元
情報工学系
担当教員名
岡崎 直観 
授業形態
講義    (Zoom)
曜日・時限(講義室)
火7-8(S011)  金7-8(S011)  
クラス
-
科目コード
CSC.T254
単位数
2
開講年度
2020年度
開講クォーター
4Q
シラバス更新日
2020年9月18日
講義資料更新日
-
使用言語
日本語
アクセスランキング
media

講義の概要とねらい

機械学習は「明示的にプログラミングすることなく,コンピュータに学ぶ能力を与えようとする研究分野」(アーサー・サミュエル,1959年)として出発した.理論やアルゴリズムの成熟,データの大規模化,計算能力の向上などを背景として,機械学習は飛躍的な進展を見せ,情報科学以外の分野でも活用されるようになった.本講義では,機械学習の基礎的な概念と理論を紹介し,機械学習の応用に従事するために必要な知識の習得を目指す.機械学習の応用例をコンピュータ・プログラムとして実装するスキルを養成するため,プログラミング言語Pythonによる演習も実施する.

到達目標

・機械学習の基礎的な概念・理解を習得する
・機械学習の理論やアルゴリズムを実装を通して理解する
・データ処理の基礎事項を習得する

キーワード

回帰,分類,クラスタリング,次元圧縮,強化学習

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)

授業の進め方

概念・理論を習得するための座学と,それをコンピュータ上で実現する演習から構成される.

授業計画・課題

  授業計画 課題
第1回 導入,Pythonの基礎 機械学習の概要,Pythonの基本的な文法
第2回 データの可視化 データの読み書き,線グラフ,棒グラフ,散布図,ヒートマップ
第3回 線形回帰 最小二乗法,最尤推定,勾配法,評価,過学習,正則化
第4回 線形分類(1) しきい値論理ユニット,二値分類,パーセプトロン,ロジスティック回帰,評価
第5回 線形分類(2) 多値分類,ソフトマックス関数
第6回 演習1 第3~5回の内容に関する演習
第7回 深層ニューラルネットワーク (1) 活性化関数,計算グラフ,自動微分,誤差逆伝搬
第8回 深層ニューラルネットワーク (2) 畳み込みニューラルネットワーク,ドロップアウト,ミニバッチ最適化
第9回 サポートベクトルマシン マージン,双対性,サポートベクトル,カーネル関数,多値分類
第10回 演習2 第7~9回の内容に関する演習
第11回 クラスタリング 階層型クラスタリング,K-means
第12回 次元圧縮 主成分分析,特異値分解,ランダムプロジェクション
第13回 強化学習 マルコフ決定過程,ベルマン方程式,価値反復法,方策反復法,Q学習
第14回 演習3 第11~13回の内容に関する演習

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

指定なし

参考書、講義資料等

OCW-i にて電子的に配布する

成績評価の基準及び方法

全3回の演習のレポート(60%),および期末試験(40%)

関連する科目

  • CSC.T242 : 確率論・統計学
  • CSC.T272 : 人工知能
  • CSC.T243 : 手続き型プログラミング基礎
  • CSC.T253 : 手続き型プログラミング発展
  • CSC.T352 : パターン認識
  • ART.T458 : 先端機械学習

履修の条件(知識・技能・履修済科目等)

特になし

このページのトップへ