講義名 /Name of Subjecte

基礎の機械学習

配当年次 /Year of Study

学部 1年~4年

到達目標 /Course Objectives

データの類似性の科学としての機械学習の基本を理解する。特に、データサイエンスのデータ解析の基本的な手続きと、手続きの中で現れる機械学習の基本概念について理解する。

授業内容 /Schedule

実施回 /Week

内容 /Contents

第1回

機械学習でできること(分類・回帰・クラスタリング)

第2回

機械学習とデータの類似度

第3回

機械学習によるデータ解析のサイクル

第4回

類似度関数(ユークリッド距離)と機械学習アルゴリズム(k-近傍アルゴリズム)

第5回

次元圧縮と可視化(多次元尺度構成法)

第6回

ハイパーパラメータの最適化

第7回

混同行列と評価指標

第8回

L2正規化とL1正規化

第9回

確率の基礎

第10回

情報量

第11回

確率分布の類似性の評価

第12回

カーネル関数(線形カーネル・ガウスカーネル・コサイン類似度・ジャカール指数)

第13回

カーネルマシン(サポートベクターマシン・カーネル線形回帰・カーネルk平均法)

第14回

サポートベクターマシンを使った分析の実際

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

ハンズオン教材とワークブックを事前に配布するので、各回該当する章を事前に学習すること。

使用言語 /Language of Instruction

日本語 /Japanese

1

英語 /English

日本語・英語以外 /Other Language

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

ハンズオン教材を事前に配布するので、各回該当する章を事前に学習すること(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

小テスト /Quizzes

100 %

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

授業内で解説する。

教科書 /Textbook

1.

書籍名 /Title

シリーズ名 /Name of series

著作者 /Author

『機械学習アルゴリズム入門ー類似性の科学ー』

I/O Books

申吉浩 甘利丈慈 髙井絢之介 室田佳亮

出版元 /Publisher

版 /Edition

出版年 /Year

ISBN

工学社

1 版

2022 年

978-4-7775-2186-9

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

教科書の章立てに従って講義を行う。教科書の該当する章を読むことで、授業で触れることができなかった詳細や関連事項に触れることが可能となる。

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

以下URLを参照
https://www.univ.gakushuin.ac.jp/life/curriculummap.html

↑トップに戻る