授業の主題
|
|
|
本授業の主題は機械学習Bと合わせて機械学習の基本的な考え方を知ること、
及び、それを実装するための知識をえることです。 機械学習は近年社会的にも話題になっているいわゆる「人工知能」と呼ばれる技術の主要な技法の一つです。具体的には「コンピュータがデータから自動的に知識を獲得する方法」の総称です。
|
| |
|
|
授業の目標
|
|
|
本講義は、実際に機械学習プログラムを動かすことで機械学習の概念や手法や考え方を知り、体験することを目的にします。
基本的には分野の全体像や考え方を大まかに概観することを目指すため、数学的詳細等は時間的に扱えません。 また、教科書の内容を概観する形式の解説を予定しています。そのため、教科書を独力で理解できる方は独学したほうが効率的かもしれせん。
|
| |
|
|
学生の学修目標
|
|
|
(1)機械学習の基本的な手法の考え方の概要を理解する。
(2)Pythonプログラミングを用いて機械学習を実装する方法を体験する。
|
| |
|
|
|
|
授業概要
|
|
|
授業の形式は基本的にはオンデマンド方式のオンライン授業になる予定です。オンラインは特性をいかし、わかるところは倍速で聞き、わからないところは繰り返し聞くスタイル等もお勧めです。質問はメールやチャットやzoom等のオンラインツールで随時行います。
■授業形式
1. 講義とインターネットにつながったパソコン(Google Colab)を使った演習を予定しています。
2. Web等で独力で調べることも重視します。
■授業計画
(機械学習A)
1. イントロ：機械学習の概要と環境整備(Google Colab)
2. 機械学習プロジェクトの体験
3. 続・機械学習プロジェクトの体験
4. 分類と評価
5. モデルの訓練1 線形回帰と勾配法
6. モデルの訓練2 正則化とロジスティック回帰
7. サポートベクターマシン
8. 決定木
(参考： 機械学習Ｂ)
1. アンサンブル学習とランダムフォレスト
2. 次元削減
3. クラスター分析
4. 深層学習の概要
5. 深層学習の簡単な応用1
6. 深層学習の簡単な応用2
7. その他の機械学習手法（強化学習やレコメンデーション）
8. まとめ
基本的には下にあげた教科書に沿って進める予定です。
今年は授業初年度のため計画通りには進まない可能性もあります。
|
| |
|
|
評価方法と割合
|
|
|
|
評価の割合
|
|
|
課題等提出物(80%)
授業への貢献度(20%)
|
| |
|
|
|
|
授業時間外の学修に関する指示
|
|
|
|
復習に関する指示
|
|
|
|
毎回の授業ごとに小課題を課す予定です。
|
| |
|
|
教科書・参考書
|
|
教科書
|
|
|
|
|
4873119286
|
|
Aurélien Géron著 ; 長尾高弘訳
|
|
オライリー・ジャパン
|
2020
|
|
|
|
|
参考書
|
|
|
|
|
4621061224
|
|
C. M. ビショップ著
|
|
丸善出版
|
2012
|
|
|
|
4297108437
|
|
門脇大輔 [ほか] 著
|
|
技術評論社
|
2019
|
|
|
|
4295010073
|
|
Sebastian Raschka, Vahid Mirjalili著 ; クイープ訳
|
|
インプレス
|
2020
|
|
|
|
4839964262
|
|
François Chollet著 ; クイープ訳
|
|
マイナビ出版
|
2018
|
|
|
|
|
|
|
オフィスアワー等（学生からの質問への対応方法等）
|
|
|
|
基本的には、メールやチャットやZoom等のオンラインベースで随時受け付けます。
|
| |
|
|
履修条件
|
|
|
(1)学部１年生レベルの数学と確率・統計の知識を前提とします
(2)プログラミングの基本知識を授業の前提にします。授業ではPythonを使用します。ただし、C言語やJava等の他のプログラミングの基礎知識があれば対応できると思います。
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|