2024年度/1AAA035001 (公大) / (府大)

【金3】機械学習 <後期>

人工知能システムの要素技術である機械学習の代表的な手法を学ぶ科目である。この授業では、機械学習のモデルや学習手法を数理的に学ぶことによって、基本的な機械学習手法の適用可能範囲を理解する。また、授業中に適宜課題に取り組むことで、実際のデータに応用するための機械学習の適用手法を修得する。

担当教員氏名

柳本 豪一

科目ナンバリング

AAAAID32022-J1 (公大) / AKAID3213-J1 (府大)

授業管轄部署

現代システム科学域

授業形態

講義

開講キャンパス

中百舌鳥

開講区分

週間授業

配当年次

3年 (公大) / カリキュラムにより異なります。 (府大)

注意: 配当年次は学部・学科によって異なる場合があるので、UNIPAで確認してください。学年指定なしの表記は、要覧等を確認してください。

単位数

2単位 (公大) / 2単位 (府大)

注意: 実際の単位数は学部・学科によって異なる場合があるので、必ずUNIPAで確認してください。

到達目標

・機械学習を利用した基本的なデータ解析を行うことができるようになる ・新しい機械学習のアルゴリズムについて数理的に理解できるようになる

各授業回の説明

授業	授業内容	事前・事後の学習内容
第1回	機械学習のための数学基礎(微積分)	オンライン資料による事前学習と課題
第2回	機械学習のための数学基礎(線形代数)	オンライン資料による事前学習と課題
第3回	機械学習のための数学基礎(確率論)	オンライン資料による事前学習と課題
第4回	機械学習のための数学基礎(情報理論)	オンライン資料による事前学習と課題
第5回	回帰	教科書6.4による事前学習と課題
第6回	パーセプトロンの基礎	教科書7.1による事前学習と課題
第7回	ニューラルネットワーク(順伝搬)	教科書7.1による事前学習と課題とオンライン資料
第8回	ニューラルネットワーク(逆伝搬)	教科書7.2による事前学習と課題
第9回	サポートベクトルマシン(定式化)	教科書8.1による事前学習と課題
第10回	サポートベクトルマシン(線形分離不可能な場合への拡張)	教科書8.2による事前学習と課題
第11回	サポートベクトルマシン(カーネルトリック)	教科書8.3による事前学習と課題
第12回	サポートベクトルマシンの改良	教科書8.4と8.5による事前学習と課題
第13回	決定木	教科書11.1と11.2による事前学習と課題
第14回	アダブースト	教科書11.4による事前学習と課題
第15回	ランダムフォレスト	教科書11.5による事前学習と課題
第16回	テスト

成績評価方法

到達目標の達成度で成績評価を行う。単位を取得するためには、 ・数理的なデータ解析に関する手法について、設問の6割以上に正しく回答できること ・機械学習のアルゴリズの数理的な検討ついて、設問の6割以上に正しく回答できること の2点を達成することが求められる。 成績を評価する方法として、期末試験とレポートを用いる。成績評価に占める割合は、期末試験（80%）、レポート(20%)である。

履修上の注意

関連科目:線形代数1,2A、統計学基礎1,2、人工知能A, B、パターン認識

教科書

平井有三: はじめてのパターン認識, 森北出版株式会社 毎回の授業でも資料を配布する。

Loading...

参考文献

授業中に適宜紹介する。

オフィスアワー

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -

教員への連絡方法（メールアドレス等）

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -