機械学習特論のシラバス情報

科目名称
Course title(Japanese)
機械学習特論 科目番号
Course number
74SIINE501
科目名称(英語)
Course title(English)
Advanced Course of Machine Learning
授業名称
Class name
機械学習特論
教員名 大和田 勇人
Instructor Hayato Ohwada
開講年度学期 2022年度 後期
Year/Semester 2019 Second Semester
曜日時限 月曜2限
Class hours Monday Second Hour
開講学科
Department
理工学研究科 経営工学専攻
Department of Industrial Administration
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
対面授業/On-site class
概要
Descriptions
機械学習の基礎、システム、応用についてパソコンを用いた演習を通じて理解する。
Understand the foundation, systems, and applications of machine learning with hands-on exercises.
目的
Objectives
最新の機械学習について、その基礎、システム化、応用を身に付ける。。本専攻のディプロマ・ポリシー「理工学研究科経営工学専攻において修得した高度な専門知識・研究能力と教養をもとに、自ら課題を発見・設定し、解決する能力」に該当する科目である。

Understand the foundation, system implementation and applications of machine learning.
This class aims to achieve the department diploma policy of the "ability to solve problems using advanced knowledge in Industrial Administration".  
到達目標
Outcomes
機械学習の最新技術を理解し、それを応用することができる。
Acquire the ability to solve problems using state-of the-art machine learning technology.
履修上の注意
Course notes prerequisites
毎回ノートパソコンを使用するので,充電を十分しておくこと.
Use a laptop computer for hands-on exercises.
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
各回の準備と復習を十分しておくこと.
Will be directed before/after each class.
成績評価方法
Performance grading
policy
授業をすべて受けていて提出物が所定の基準を満たしていることを前提とし,授業の場での報告内容,質疑・討論への積極性,報告準備作業への取り組み姿勢,等を総合的に判断して評価する.
Evaluated by content of presentation, discussion, and contribution to the class, and must have all the assignments submitted. 
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
ホームページに記載された機械学習ライブラリの資料を使用する。
Use materials from the machine learning library accessible from the specified URL.
授業計画
Class plan
1  機械学習総論(1)   機械学習の定義、歴史を講義し、情報処理技術としての特異性を修得する。

2  機械学習総論(2)   機械学習の概要を述べ、機械学習技術を総合的に理解する。

3  機械学習総論(3)   人工知能の観点から概念学習を取り上げ、機械学習の本質を理解する。

4  教師あり機械学習(1)  教師あり機械学習として回帰を取り上げ、その方法と特徴を演習を通じて理解する。

5  教師あり機械学習(2)  教師あり機械学習として決定木によるクラス分類を取り上げ、その方法と特徴を演習を通じて理解する。

6  教師あり機械学習(3)  教師あり機械学習としてロジスティック回帰によるクラス分類を取り上げ、その方法と特徴を演習を通じて理解する。

7  教師なし機械学習(1)  教師なし機械学習として階層的クラスタリングを取り上げ、その方法と特徴を理解する。

8  教師なし機械学習(2)  教師なし機械学習として、k-means法を取り上げ、その方法と特徴を演習を通じて理解する。

9  発展的な機械学習法(1)  発展的な機械学習法としてサポートベクタマシンを取り上げ、その方法と特徴を演習を通じて理解する。

10 発展的な機械学習法(2)  発展的な機械学習法としてディープラーニングを取り上げ、その方法と特徴を演習を通じて理解する。

11 論理に基づく機械学習法(1)  論理に基づく機械学習法として帰納論理プログラミングと取り上げ、その方法と特徴を理解する。

12 論理に基づく機械学習法(2)  帰納論理プログラミングと関係データベースの関連性を指摘し、応用への道筋を理解する。

13  機械学習の比較(1)  帰納論理プログラミングの方法論と対比して、決定木による分類学習を講義し、各々の特質を理解する。

14  機械学習の比較(2)  サポートベクタマシンやディープラーニングといった学習方法と帰納論理プログラミングと比較して、各々の特質を理解する。

15  レポート   これまでの講義を踏まえて、機械学習の特徴と今後の発展についてレポートをまとめる。

1:  Machine learning overview 1
Understand the unique features of machine learning

2:  Machine learning overview 2
Understand the technology of machine learning

3:  Machine learning overview 3
Understand the essence of machine learning regarding artificial intelligence

4:  Supervised learning 1
Understand the method and features of linear regression

5:  Supervised learning 2
Understand the method and feature of decision tree classification

6:  Supervised Learning 3
Understand the method and features of logistic regression

7:  Unsupervised learning 1
Understand the method and features of hierarchical clustering

8:  Unsupervised learning 2
Understand the method and features of k-means clustering

9:  Advanced machine learning 1
Understand the method and features of support vector machines

10: Advanced machine learning 2
Understand the method and features of deep learning

11: Logic-based Machine Learning 1
Understand the method and features of inductive logic programming

12: Logic-based machine learning 2
Understand the relationship between inductive logic programming and relational databases.

13: Comparison with machine learning methods 1
Understand each feature of a variety of machine learning methods

14: Comparison with machine learning Methods 2
Understand each feature of advanced machine learning methods in comparison with inductive logic programming

15: Give a report
Give a report on enabling technology based on machine learning
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
997D13A
CLOSE