機械学習のシラバス情報
| 科目名称 Course title(Japanese) |
機械学習 | 科目番号 Course number |
14MAPTS309 | |
|---|---|---|---|---|
| 科目名称（英語） Course title(English) |
Machine Learning | |||
| 授業名称 Class name |
機械学習 | |||
| 教員名 | 松崎 拓也 |
|---|---|
| Instructor | Takuya Matsuzaki |
| 開講年度学期 | 2022年度 前期 |
|---|---|
| Year/Semester |
| 曜日時限 | 月曜2限 |
|---|---|
| Class hours |
| 開講学科 Department |
理学部第一部応用数学科 |
|---|---|
| 外国語のみの科目 （使用言語） Course in only foreign languages (languages) |
- |
| 単位 Course credit |
2.0 | 授業の主な実施形態 Main class format |
対面講義/on-site class |
|---|
| 概要 Descriptions |
現在の人工知能技術の中心である機械学習について学ぶ。 |
|---|---|
| 目的 Objectives |
機械学習は、データからの学習を通じて人の行う知的活動を模倣するための数理手法の総称であり、現在の知的情報処理・人工知能技術の基本となっている。 この講義は、入力ベクトルに対し分類を行う種々の識別器について理解することを目的とする。 この科目は、本学科のカリキュラム・ポリシーに定める「応用数学の中の『統計科学』『計算数学』『情報数理』の3つの学問領域を基盤とする最先端の多様な専門教育を行う」ことを実現するための科目です。また、本学科のディプロマ・ポリシーに定める「解決困難な様々な課題に対し、状況を的確に把握・分析して、自らの数学的・論理的思考力によって柔軟に対応し積極的に問題解決を図る能力」の基礎を養うための科目です。 |
| 到達目標 Outcomes |
種々の識別器の定義と構成法について説明できる。 |
| 履修上の注意 Course notes prerequisites |
| アクティブ・ラーニング科目 Teaching type（Active Learning） |
|||
|---|---|---|---|
| 課題に対する作文 Essay |
○ | 小テストの実施 Quiz type test |
- |
| ディベート・ディスカッション Debate/Discussion |
- | グループワーク Group work |
- |
| プレゼンテーション Presentation |
- | 反転授業 Flipped classroom |
|
| その他（自由記述） Other（Describe） |
- | ||
| 準備学習・復習 Preparation and review |
予習は必要ない。各回の講義内容を十分復習すること。 |
|---|---|
| 成績評価方法 Performance grading policy |
定期試験・レポート課題の提出状況およびその内容によって総合的に評価する。 |
| 学修成果の評価 Evaluation of academic achievement |
・S：到達目標を十分に達成し、極めて優秀な成果を収めている ・A：到達目標を十分に達成している ・B：到達目標を達成している ・C：到達目標を最低限達成している ・D：到達目標を達成していない ・-：学修成果の評価を判断する要件を欠格している ・S：Achieved outcomes, excellent result ・A：Achieved outcomes, good result ・B：Achieved outcomes ・C：Minimally achieved outcomes ・D：Did not achieve outcomes ・-：Failed to meet even the minimal requirements for evaluation |
| 教科書 Textbooks/Readings |
・教科書を使用する場合は、MyKiTS(教科書販売サイト)から検索・購入可能ですので以下のURLにアクセスしてください。 https://gomykits.kinokuniya.co.jp/tokyorika/ ・Search and purchase the necessary textbooks from MyKiTS (textbook sales site) with the link below. https://gomykits.kinokuniya.co.jp/tokyorika/ |
| 参考書・その他資料 Reference and other materials |
高村大也「言語処理のための機械学習入門 (自然言語処理シリーズ) 」コロナ社 平井有三「はじめてのパターン認識」森北出版 |
| 授業計画 Class plan |
第1回：機械学習とは 第2回：確率分布と最尤推定 第3回：確率分布と教師付き学習・条件付確率モデル 第4回：線形回帰 第5回：勾配ベクトルの性質 第6回：ラグランジュ未定乗数法（１） 第7回：ナイーブベイズ モデル 第8回：過学習とMAP推定 第9回：ナイーブベイズ モデルのMAP推定 第10回：最大エントロピーモデル 第11回：線形分類とパーセプトロンアルゴリズム 第12回：ラグランジュ未定乗数法（２） 第13回：サポートベクトルマシン（SVM) 第14回：ソフトマージンSVM・カーネル法 第15回：ニューラルネット |
|---|
| 教職課程 Teacher-training course |
|
|---|---|
| 実務経験 Practical experience |
- |
| 教育用ソフトウェア Educational software |
- |
| 備考 Remarks |
|---|
| 9914722 |
