授業概要
|
|
基礎科学・実応用など様々な分野において、データ解析の重要性が益々高まっています。本講義では、確率・統計応用や多変量解析で扱う基本的な方法をさらに発展させ、表現能力の高い学習モデルや非数値データの解析を扱う機械学習の基礎理論や使い方を説明します。教科書(テキスト)の内容に沿った説明に加え、最新の機械学習の話題も取り扱います。
|
|
|
到達すべき 目標
|
|
機械学習に関する基本的な理論の理解とともに,コンピュータで実行できることを目標とします。
|
|
|
授業計画と 準備学習
|
|
1.機械学習の概要 2.線形代数・微分積分(復習) 3.最適化 4.最尤推定 5.ベイズ推定法 6.回帰モデル 7.予測結果の評価、汎化と過学習 8.サポートベクターマシン 9. アンサンブル学習 10.ニューラルネットワーク(1)基本モデルと学習 11.ニューラルネットワーク(2)最近の話題 12.演習(1)Pythonの基本操作 13.演習(2)科学技術計算(行列・統計) 14. 演習(3)教師あり学習 15. 演習(4)ニューラルネットワーク 16.定期試験
|
|
|
授業の特色
|
|
|
|
学生のアク ティブ・ラー ニングを 促す取組
|
|
実問題を模倣したデータ解析に取り組むことで、機械学習の各手法の性質の理解を深めます。
|
|
|
使用言語
|
|
|
|
TA,SA配置 予定
|
|
|
|
基盤的能力 専門的能力
|
|
|
|
授業時間外 の学習
|
|
AIMSにて事前に公開する講義スライドで予習・復習をすることが好ましいです。また、内容の理解を確認するためにレポート課題を出題します。
|
|
|
成績評価の 方法
|
|
主に定期試験の結果で成績評価しますが、 中間試験の結果やレポート課題の取り組みも考慮します。
新型コロナウィルスの感染状況によっては、 試験の代わりに全体の理解度を問うレポート課題を出題する可能性があります。
|
|
|
到達度評価 の観点
|
|
|
|
テキスト
|
|
| |
No
|
書籍名
|
著者名
|
出版社
|
出版年
|
ISBN/ISSN
|
|
1.
|
『ゼロからつくるPython機械学習プログラミング入門』
|
八谷 大岳
|
講談社サイエンティフィク
|
2020
|
978-4065206126
|
|
|
|
テキスト (詳細)
|
|
|
|
参考文献
|
|
| |
No
|
書籍名
|
著者名
|
出版社
|
出版年
|
ISBN/ISSN
|
|
1.
|
『東京大学工学教程 情報工学 機械学習』
|
中川 裕志
|
丸善出版
|
2015
|
978-4621089910
|
|
2.
|
『パターン認識と機械学習(上)』
|
C.M. ビショップ (著), 元田 浩 (監訳), 栗田 多喜夫 (監訳), 樋口 知之 (監訳), 松本 裕治 (監訳), 村田 昇 (監訳)
|
丸善出版
|
2012
|
978-4621061220
|
|
3.
|
『パターン認識と機械学習(下)』
|
C.M. ビショップ (著), 元田 浩 (監訳), 栗田 多喜夫 (監訳), 樋口 知之 (監訳), 松本 裕治 (監訳), 村田 昇 (監訳)
|
丸善出版
|
2012
|
978-4621061244
|
|
|
|
参考文献 (詳細)
|
|
|
|
担当教員実 務経験内容 または実践 的教育内容
|
|
|
|
実践的授業 内容等
|
|
|
|
備考
|
|
授業の実施形態: 原則、対面授業を行う
その他:次のことに留意すること。 ・事前にAIMS-Gifu を確認すること。 ・新型コロナウイルス感染症(COVID-19)における岐阜大学の活動指針(レベル)等に より、実施形態等を変更する場合がある。必要事項は、AIMS-Gifu 等で連絡する。
|
|