授業の主題
|
|
|
|
機械学習の基本的なアプローチの方法と活用例を学び，演習を通して機械学習を用いた課題解決の方法を身に着ける．
|
| |
|
|
学修目標（到達目標）
|
|
|
|
機械学習の概念や手法をプログラミングを通して体験し，基本的なアプローチを直感的に理解することを目的とする．機械学習アルゴリズムの背景を理解するには確率論などの数学的知識が必要であるが，機械学習に初めて触れる諸君にとっては，まず最初に機械学習の実装や応用の方法など，より実践的な知識・経験を身に着けることを勧めたい．本講義の受講を経て，機械学習の応用を自ら考え，実装できることを目指す．
|
| |
|
|
|
|
|
|
授業概要
|
|
|
1. 機械学習の概要（2回）
2. 演習環境整備・機械学習による課題解決の体験（1回）
3. クラス分類と回帰（2回）
4. モデルの訓練: 線形回帰とロジスティクス回帰（1回）
5. モデルの訓練: 勾配降下法（1回）
6. サポートベクターマシン（1回）
|
| |
|
|
評価方法と割合
|
|
評価方法
|
|
|
次項の項目及び割合で総合評価し，次のとおり判定する。
「S（達成度90%～100%）」，「A（同80%～90%未満）」，
「B（同70%～80%未満）」，「C（同60%～70%未満）」を合格とし，
「不可（同60%未満）」を不合格とする．（標準評価方法）
|
| |
|
|
評価の割合
|
|
|
【レポート 100%】
課題レポートにより評価する．ただし，出席・レポート提出率のいずれかが75%未満の場合は評価対象外（不合格）とする．
|
| |
|
|
|
|
授業時間外の学修に関する指示
|
|
予習に関する指示
|
|
|
|
次回の講義内容について配布資料や参考書で予習を行ってくること．
|
| |
|
予習に関する教材
|
|
オンデマンド教材以外の指示・課題
|
| |
|
|
復習に関する指示
|
|
|
|
講義中に作成する課題プログラムの完成度を上げ，出題されたレポートは締切厳守で提出すること．
|
| |
|
復習に関する教材
|
|
オンデマンド教材以外の指示・課題
|
| |
|
|
教科書・参考書
|
|
参考書
|
|
|
|
|
4873119286
|
|
Aurélien Géron著 ; 長尾高弘訳
|
|
オライリー・ジャパン
|
2020
|
|
|
|
9784873117980
|
|
アンドレアス・C・ミュラー, サラ・グイド著 ; 中田秀基訳
|
|
オライリー・ジャパン
|
2017
|
|
|
|
|
|
|
オフィスアワー等（学生からの質問への対応方法等）
|
|
|
|
質問はアカンサスポータルのメッセージまたは電子メール matsuda@staff.kanazawa-u.ac.jp で受け付ける．
|
| |
|
|
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て講義を行う
2. 講義ではPythonを使用する．Pythonの経験有無は問わないが，C言語などのプログラミングの基礎知識を有することが望ましい．
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|