|
授業概要
|
|
近年、人工知能技術は多くの分野で注目を集めている。本講義では人工知能技術のひとつである機械学習に着目する。機械学習は、実世界のデータを数学・統計学に基づくモデルにより表現し、新たなデータに対する予測や判別、可視化などを行う手法である。本講義では、機械学習の基本的な枠組みと統計的機械学習の手法を説明し、活用事例を紹介する。
Recently, artificial intelligence has attracted many researchers, developers and technicians in various fields. In this class, we focus on machine learning, one of AI techniques. ML is a method to estimate, classify and visualize given data, by using a mathematical or statistical model for real-world data. In this class we learn basic frameworks and ML methods, as well as applications.
|
|
|
到達すべき
目標
|
|
(1) 機械学習の基本的な原理を理解する。 Understand fundamentals of machine learning.
(2) 機械学習のいくつかの手法を理解する。 Understand several ML methods.
|
|
|
授業計画と
準備学習
|
|
授業では以下の内容を取り上げる。
1.導入編 人工知能の概論、背景理論の復習
2.基礎編 機械学習の基礎（教師あり・教師なし学習やモデルの概説）
3.発展編 実例の紹介
This class will be organized as follows:
1. Introduction: Summary of AI, review of related theories
2. Basic: ML methods (supervised/unsupervised learning, models, etc)
3. Advanced: ML applications
本講義で扱う機械学習モデルの例は次のとおりである。
決定木・ランダムフォレスト、混合正規分布モデル・隠れマルコフモデル、ニューラルネットワーク
The following ML models will be introduced:
Decision tree, random forest, Gaussian mixture model, hidden Markov model, neural network.
本講義は、以下の知識を前提として行う。
線形代数、微分・積分、確率・統計、多変量解析
Note that we need the following knowledge:
Linear algebra, differential and integral, probability and statistics, multivariate analysis.
本講義は対面で行う予定であるが、新型コロナウィルスの状況により変更することがある。
This class will be conducted on face-to-face, depending on the COVID-19 situation.
|
|
|
|
授業の特色
|
|
|
|
学生のアク
ティブ・ラー
ニングを
促す取組
|
|
|
|
|
使用言語
|
|
|
|
TA，SA等配置
予定
|
|
|
|
基盤的能力
専門的能力
|
|
|
|
授業時間外
の学習
|
|
|
|
成績評価の
方法
|
|
小テスト、レポート課題などにより、総合的に判断する。
Evaluation will be conducted by means of exams or reports.
|
|
|
到達度評価
の観点
|
|
小テスト、レポート課題などにより、総合的に判断する。
Evaluation will be conducted by means of exams or reports.
|
|
|
|
テキスト
|
|
|
|
テキスト
(詳細)
|
|
ウェブで資料を配布する予定である。
Materials will be distributed on the web.
|
|
|
|
参考文献
|
|
|
|
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
|
|
|