機械学習特論

科目名
Course Title
授業コード 単位数 配当年次 開講期間
Term
科目分類 ナンバリング
コード
曜日
コマ
教室 担当教員氏名
Instructor
機械学習特論
Special Topics in Machine Learning
Q121940001 2 1 前期授業 専門科目 HSPRI6506-J1 水1 B1-7,オンライン(中百舌鳥キャンパス) 中島 智晴
佐賀 亮介

オフィスアワー

中島 智晴:火曜5コマ
佐賀 亮介:火曜5コマ

授業目標

経験データを基にしてコンピュータを知的にする機械学習手法について、基礎知識を学ぶと共に、機械学習手法を実世界の問題に実践する技能的知識を獲得する。基礎知識に関しては、統計・確率的背景を持つ手法やメタヒューリスティック手法などについて、それぞれの長所と短所を理解することを目標とする。技能的知識に関しては、基礎知識を適切に活用して、識別問題や回帰問題などといったタスクに応じた手法の実装を訓練する。

授業時間外の学習(準備学習等について)

授業の理解には予習・復習が不可欠です. シラバスに毎回の授業内容に対応するキーワードや参考情報を記載しているので, 予習として該当部分を読み, 授業で扱うトピックについて大まかなイメージをつかむよう心がけること. さらに, 独力で読んでわからないところを明確にしてくることが望ましい. また, 復習として, 授業でやったところのノートを読み返して内容をしっかり理解するよう努めるとともに, 授業中に指定した演習問題を解くことを必ず行ってください.

授業の概要

機械学習の基礎的内容を学ぶ,また,そのための予備的知識を学ぶ.

授業計画

第1回 イントロダクション
準備(偏微分)
回帰分析
準備学習等
第2回 準備(ラグランジュ最適化)
次元削減とスパースモデリング
準備学習等
第3回 準備(行列1)
主成分分析1
準備学習等
第4回 準備(行列2)
主成分分析2
準備学習等
第5回 準備(距離)
クラスタリング1
準備学習等
第6回 クラスタリング2 準備学習等
第7回 準備(確率と分布)
ガウス混合分布による密度推定
準備学習等
第8回 準備(距離)
最近傍識別
準備学習等
第9回 準備(情報量)
決定木
準備学習等
第10回 準備(線形代数1)
線形識別
準備学習等
第11回 準備(線形代数2)
パーセプトロン
準備学習等
第12回 準備(連鎖律)
ニューラルネットワーク
準備学習等
第13回 準備(連続最適化1)
サポートベクトルマシン1
準備学習等
第14回 準備(連続最適化2)
サポートベクトルマシン2
準備学習等
第15回 準備(確率)
モデル選択(アンサンブル)
準備学習等

成績評価

授業目標度の達成度で成績評価を行う.
授業で取り上げた各種機械学習手法について概説ができること,手法の基本部分を自力で実装できることが単位を取得するために必要である.
授業レポートと授業中テストにより成績を評価する.