応用数学研究２（数理情報科学研究２）Ｃ組のシラバス情報
| 科目名称 Course title(Japanese) |
応用数学研究２ | 科目番号 Course number |
14MAZZZ302 | |
|---|---|---|---|---|
| 科目名称（英語） Course title(English) |
Junior Seminar 2 | |||
| 授業名称 Class name |
応用数学研究２（数理情報科学研究２）Ｃ組 | |||
| 教員名 | 松崎 拓也 |
|---|---|
| Instructor |
| 開講年度学期 | 2022年度 後期 |
|---|---|
| Year/Semester |
| 曜日時限 | 火曜4限 火曜5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 |
3.0 | 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核となっている機械学習の基礎について輪講形式で学習する。 |
|---|---|
| 目的 Objectives |
専門書を通して機械学習の基礎を理解する。 この科目は、本学科のディプロマ・ポリシーに定める「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。また、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」ことを目的とする科目です。 |
| 到達目標 Outcomes |
機械学習に関する基礎的概念および手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 |
〇 | グループワーク Group work |
|
| プレゼンテーション Presentation |
〇 | 反転授業 Flipped classroom |
○ |
| その他（自由記述） Other（Describe） |
|||
| 準備学習・復習 Preparation and review |
準備学習： 輪講形式で進めるため、発表者は十分時間をかけて発表準備をすること。10時間程度の準備が一つの目安となる。また、発表者だけでなく受講者全員が事前にテキストを読み、発表者に質問して明らかにすべき疑問点をまとめておくこと。 復習： 発表者は答えきれなかった疑問点について調べ、翌週に答えること。また、受講者は各回の内容を十分復習すること。 |
|---|---|
| 成績評価方法 Performance grading policy |
発表および発表に対する質問、レポート（プログラミング課題を含む）によって総合的に評価する。なお、公欠など特別な理由なく5回以上欠席した場合は評価対象外とする。 |
| 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 |
著者のWEBサイトで教科書のPDFが公開されている： https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf |
| 授業計画 Class plan |
第1回：ガイダンスと準備 第2回～第4回：確率分布、線形回帰モデル、線形識別モデルについて輪講学習する。 第5回～第8回：ニューラルネットワーク、カーネル法、サポートベクトルマシンについて輪講学習する。 第9回～第12回：グラフィカルモデル、EMアルゴリズム、近似推論について輪講学習する。 第13回～第15回：サンプリング法、連続値隠れ変数、系列データモデルについて輪講学習する。 なお、進度は受講生の理解度などにより前後することがある。 |
|---|
| 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 |
|---|
| 9914724 |
