プログラミングで学ぶ機械学習

講義名 /Name of Subjecte

プログラミングで学ぶ機械学習

配当年次 /Year of Study

学部１年～４年

到達目標 /Course Objectives

統計的機械学習に基づくデータ解析を、概念の意味を理解しながら、Pythonでプログラミングできるようになる。

授業内容 /Schedule

実施回 /Week	内容 /Contents
第1回	Google Colaboratoryの使い方・Python事始め
第2回	機械学習の目的（分類・回帰・クラスタリング）
第3回	機械学習によるデータ解析のフロー（特徴設計）
第4回	機械学習によるデータ解析のフロー（特徴と類似度関数の設計）
第5回	機械学習によるデータ解析のフロー（交差検証）
第6回	機械学習によるデータ解析のフロー（混同行列と学習モデルの評価）
第7回	機械学習によるデータ解析のフロー（ハイパーパラメータ最適化）
第8回	機械学習によるデータ解析のフロー（類似度関数と学習器の選択）
第9回	情報量に基づくデータ解析
第10回	線形カーネルとサポートベクターマシンによるデータ解析
第11回	多項式カーネル・RBFカーネルとサポートベクターマシンによるデータ解析
第12回	ジャカール指数とサポートベクターマシンによるデータ解析
第13回	カーネルリッジ線形回帰
第14回	カーネルk平均法
第15回	まとめ

授業計画コメント /Comments on the Schedule

この科目は以下のプログラムの指定科目（コア科目）です。
- 2023年度以降の入学者を対象とした「データサイエンス副専攻プログラム」
- 2022年度以前の入学者を対象とした「データサイエンスプログラム」

授業方法 /Teaching Method

事前に授業資料を配布する。授業資料は解説とプログラム演習問題から構成され、独習可能である。授業前までに事前学習を行うこと。対面授業では教室備え付けのPC、遠隔授業では履修者が用意するPCを使って実習を行う。

使用言語 /Language of Instruction

日本語 /Japanese

英語 /English

日本語・英語以外 /Other Language

準備学習(予習・復習) /Class preparation and review

事前に配布した授業資料を予習すること（1〜2時間）。

成績評価の方法・基準 /Evaluation

評価項目 /Criteria	評価配分 /Percentage	備考/ Remarks
学期末試験（第1学期） /First Term examination
学年末試験（第2学期） /Second Term examination
中間テスト /Mid-term examination
レポート /Reports	100 %
小テスト /Quizzes
平常点（出席、クラス参加、グループ作業の成果等） /Particlpation, Attendance, Group Work, etc.
その他(備考欄を参照) /Other(see remarks column)
成績評価コメント各目標についてどのような点が評価のポイントになるか、具体的に記入してください。 /General Comments on the Evaluation Criteria:

課題等（試験やレポート等）に対するフィードバック /Feedback on Exams or Assignments

授業資料中の演習に対する解答を授業中に解説する。

教科書 /Textbook

教科書コメント /General Comments on the Textbooks

基本的に授業は教科書の章立てに沿って進行するが、教科書とは別に、PythonのプログラムをGoogle Colaboratoryで実行できるファイルとして配布する。

参考文献 /Reference Book

参考文献コメント /General Comments on the Reference Books

履修上の注意 /A Note on Registration

その他 /Other Information

カリキュラムマップ /Curriculum map