本講義では、機械学習入門で扱った手法について、それらの手法が提案された数理的背景、用いられている最適化手法の理論、学習アルゴリズムの統計的性質などについて解説し、機械学習に関する理解を深める。
講義形態：対面
この講義は数理・データサイエンス・AI教育プログラム認定制度における応用基礎レベルの選択科目です
|
|
|
|
|
|
第1回
|
導入
|
|
第2回
|
線形回帰
|
|
第3回
|
モデル選択
|
|
第4回
|
カーネル法Ⅰ：カーネル線形回帰
|
|
第5回
|
カーネル法Ⅱ：カーネル法の性質
|
|
第6回
|
判別Ⅰ：ロジスティック回帰
|
|
第7回
|
判別Ⅱ：SVM
|
|
第8回
|
モデルの統合Ⅰ：Bagging
|
|
第9回
|
モデルの統合Ⅱ：Boosting
|
|
第10回
|
次元削減
|
|
第11回
|
クラスタリング
|
|
第12回
|
深層学習1：導入
|
|
第13回
|
深層学習Ⅱ：実践
|
|
第14回
|
深層学習Ⅲ：発展
|
|
第15回
|
まとめ
|
|
|
|
|
|
毎回の講義の内容を復習する（1.5時間/回 程度）
機械学習手法を実データへ適用し，その結果をレポートとしてまとめる．
|
|
|
機械学習手法を実データへ応用した結果についてレポートを課す。
|
|
|
レポートの内容から、機械学習の各種手法についてその仮定や機能を理解したうえで適切に使えているかを総合的に評価する。
おおよその目安は以下の通り
- 秀：機械学習手法について理解したうえで適切に適用し，優れた分析結果を出している
- 優：機械学習手法について理解したうえで適切に適用し，分析結果を出している
- 良：機械学習手法についておおよそ理解したうえで適用しているが，分析結果に不十分な点がみられる．
- 可：機械学習手法の理解が不正確であり適用が不正確，あるいは分析結果が出ていない．
|
|
|
|
|
|
|
|
978-4-06-153832
|
|
|
ベイズ推論による機械学習入門
|
|
|
須山敦志著,須山, 敦志,杉山, 将,講談社サイエンティフィク,
|
|
講談社
|
|
2017
|
|
|
|
|
|
978-4-06-513332-
|
|
|
深層学習
|
|
|
岡谷貴之著,岡谷, 貴之,
|
|
講談社
|
|
2022
|
|
|
|
|
|
978-4-621-06122
|
|
|
パターン認識と機械学習 : ベイズ理論による統計的予測 上
|
|
|
C.M.ビショップ 著 ; 元田浩 監訳 ; 栗田多喜夫 監訳 ; 樋口知之 監訳 ; 松本裕治 監訳 ; 村田昇 監訳 ; シュプリンガー・ジャパン株式会社 編集,C.M.ビショップ,元田/浩,栗田/多喜夫,樋口/知之,松本/裕治,村田/昇,シュプリンガー・ジャパン株式会社,
|
|
丸善出版
|
|
2012
|
|
|
|
|
|
978-4-621-06124
|
|
|
パターン認識と機械学習 : ベイズ理論による統計的予測 下
|
|
|
C.M.ビショップ 著 ; 元田浩 監訳 ; 栗田多喜夫 監訳 ; 樋口知之 監訳 ; 松本裕治 監訳 ; 村田昇 監訳 ; シュプリンガー・ジャパン株式会社 編集,C.M.ビショップ,元田/浩,栗田/多喜夫,樋口/知之,松本/裕治,村田/昇,シュプリンガー・ジャパン株式会社,
|
|
丸善出版
|
|
2012
|
|
|
|
|
|
|
|
978-4-7806-0714-
|
|
|
ニューラルネットワークとディープラーニング
|
|
|
Charu C. Aggarwal 著・文・その他,竹村 彰通 監修,今泉 允聡 監修,今泉 允聡 翻訳,李 鍾賛 翻訳,今井 貴史 翻訳,今井 徹 翻訳,紅林 亘 翻訳,齋藤 邦彦 翻訳,健山 智子 翻訳,寺田 裕 翻訳,西出 俊 翻訳,西出 亮 翻訳,Charu C. Aggarwal,竹村 彰通,今泉 允聡,李 鍾賛,今井 貴史,今井 徹,紅林 亘,齋藤 邦彦,健山 智子,寺田 裕,西出 俊,西出 亮,
|
|
学術図書出版社
|
|
2022-02-25
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
PythonあるいはRのどちらかを自由に使えることが望ましい。
実データを使った演習では任意のプログラミング言語を用いることになるが、プログラミングに関する詳しい解説は行わない。
|
|
|
|
|
|
|
|
|