2025年度/1BGA001001 (公大)

【集中講義】プログラミング演習（機械学習演習） <前期>

本授業は遠隔授業として実施します。各回の授業形態をよく確認して受講してください。 機械学習に関する基礎知識と基礎技術および発展的技術を学び、応用的な課題をプログラミングを通して解決できるよう訓練する。基礎的な演習として、最適化の知識を学び、演習課題を通して実践する。また、機械学習の教師あり学習・教師なし学習・強化学習について学び、演習課題を通して、各種技術による課題解決能力を身につける。さらに、応用的演習として、各教員の専門分野に関する演習課題を通して、先端的な機械学習技術を用いた高度な問題解決能力を養成する。学士課程の専門科目「情報工学演習1、情報工学演習2、情報工学演習3、情報工学実験1、情報工学実験2」では、C、C++、Python等のプログラミング言語の基礎の習得(文法の習得および教科書に基づく数値計算やアルゴリズムの実装)から専門分野への応用(各教員の専門分野の基礎的な技術の実装)までを取り扱ったのに対し、本演習では、上述のプログラミング言語の基礎や専門分野への応用に関する知識を有することを前提に、機械学習による問題解決能力を習得するため、広範かつ高度な理論の習得および実用的かつ発展的な演習に取り組む。また、本演習では、先端的な機械学習技術を用いた高度な問題解決能力を養成することで、複雑化する実社会における諸問題の解決に向けて最先端の領域で活躍できるデータサイエンティストとしての素養を高める。

担当教員氏名

蔡 凱、内海 ゆづ子

科目ナンバリング

BGAOIN61001-M2 (公大)

授業管轄部署

情報学研究科

授業形態

演習

開講キャンパス

遠隔用

開講区分

集中講義

科目分類

専攻演習科目

配当年次

1年 (公大)

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。

単位数

2単位 (公大)

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

1. 機械学習の最適化について理解し、実践できるようになる。 2. 機械学習の教師あり学習・教師なし学習・強化学習を習得し、各種技術による課題解決能力を身につける。 3. 先端的な機械学習技術を用いた高度な問題解決能力を身につける。

各授業回の説明

授業	授業内容
第1回	ガイダンス
第2回	機械学習演習 (1)：最適化(1) （数理最適化）
第3回	機械学習演習 (2)：最適化(2) （組合せ最適化）
第4回	機械学習演習 (3)：教師あり学習(1) （決定木・ランダムフォレスト）
第5回	機械学習演習 (4)：教師あり学習(2) （サポートベクターマシン）
第6回	機械学習演習 (5)：教師あり学習(3) （ニューラルネットワーク）
第7回	機械学習演習 (6)：教師なし学習(1) （クラスタリング）
第8回	機械学習演習 (7)：教師なし学習(2) （協調フィルタリング）
第9回	機械学習演習 (8)：強化学習 （Q学習）
第10回	機械学習演習(1)：各教員の専門分野の演習 （知的信号処理）
第11回	機械学習演習(2)：各教員の専門分野の演習 （知能メディア処理）
第12回	機械学習演習(3)：各教員の専門分野の演習 （人間情報システム）
第13回	機械学習演習(4)：各教員の専門分野の演習 （創発ソフトウェア）
第14回	機械学習演習(5)：各教員の専門分野の演習 （知的ネットワーキング）
第15回	機械学習演習(6)：各教員の専門分野の演習 （先進的計算基盤）

事前・事後学習の内容

各回の授業概要に示す内容について予習しておく。必要に応じて、授業時間外でプログラミングを行う。毎回課されるレポートの作成を通じて授業内容を復習し、理解を深める。

成績評価方法

C(合格)となるためには、以下の項目ができるようになっていること。 1. 機械学習の最適化について理解し、実践できるようになる。 2. 機械学習の教師あり学習・教師なし学習・強化学習を習得し、各種技術による課題解決能力を身につける。 3. 先端的な機械学習技術を用いた高度な問題解決能力を身につける。

履修上の注意

（関連科目）機械学習構成論、深層学習、先端ソフトウェア環境構築実践

教科書

毎回、講義資料をアップロードする。

Loading...

参考文献

[1] パターン認識と機械学習 上、C. M. ビショップ(著)、[2] パターン認識と機械学習 下、C. M. ビショップ(著)、[3] Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series), K. P. Murphy (著)

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 -

その他

実施方法 中百舌鳥キャンパス：同期型オンライン 杉本キャンパス：同期型オンライン 前期・集中講義として開講する。詳細については、担当教員との個別連絡を通して把握すること。