機械学習概論 (3006)

授業科目基本情報

科目区分 基盤科目 教職科目 指定なし
単位数 1 選択・必修・自由 選択
授業形態 講義 主な使用言語 英語
開講時期
履修登録期間 2018/05/02~2018/05/16 履修取消期限 2018/05/16

教育プログラム別の履修区分

プログラム名 IS CB BS BN MS CP DS
履修区分
コア科目 C
履修方法 ・基盤科目及び専門科目から12単位以上履修すること。
・基盤科目のうち、出身学部・学科のカリキュラムから既習と判断できる科目は、当該学生が修了に必要な単位としては算入しない場合がある。
・データサイエンスプログラムでは、コア科目であり必修科目の「データサイエンス論」を履修すること。加えて、同じくコア科目である「データ工学基礎」、「機械学習概論」及び「データマイニング」から1科目以上を履修すること。さらに、同じくコア科目である「バイオサイエンスにおけるビッグデータ」及び「マテリアルインフォマティクス特論」から1科目以上を履修すること。

授業科目概要

担当責任教員 池田 和司
担当教員 池田 和司、中村 哲、須藤 克仁
教育目的/授業目標
指導方針

クラス情報



表示可能なデータがありません。

授業計画

回数 日付 [時間] テーマ 内容
1 5/10 [3] 機械学習の概要 機械学習の概要を説明し,具体例を紹介
2 5/14 [3] ビッグデータ 機械学習とは,大数の法則,中心極限定理,ベイズ推定
3 5/16 [3] 教師あり学習と教師なし学習 線形回帰,最尤推定,相関と因果関係,クラスタリング,混合モデル,低ランク近似
4 5/18 [3] パターン認識 教師あり識別,ベイズ識別
5 5/22 [3] ニューラルネットワーク入門 神経回路網のモデルとニューラルネットワーク
6 5/24 [3] 機械学習の応用1 言語データにおける機械学習の応用
7 5/28 [3] 機械学習の応用2 理学分野における機械学習の応用
8 5/30 [3] まとめおよび試験

授業日程

回数 日付 時間 講義室 備考
1 5/10 3 L3
2 5/14 3 L3
3 5/16 3 L3
4 5/18 3 L3
5 5/22 3 L3
6 5/24 3 L3
7 5/28 3 L3
8 5/30 3 L3

テキスト・参考書

テキスト 特になし
参考書 特になし

その他

履修条件 特になし
オフィスアワー Eメールで連絡の上、日時を決める
成績評価の方法と基準 ・5段階(秀・優・良・可・不可)で評価する。
・毎回のミニテスト(X%)とレポート(Y%)で評価する。
関連科目 特になし
関連学位 工学
注意事項 特になし

授業関連URL



表示可能なデータがありません。

配布資料

  資料名 備考 公開期限
講義資料(第1回) 2019/03/31 学内専用
講義資料(第4回) 2019/03/31 学内専用
講義資料(第5回) 2019/03/30 学内専用
講義資料(第6回) 2019/03/31 学内専用
中村担当分補足資料 日本語版 No.1 2018/06/27 学内専用
中村担当分補足資料 日本語版 No.2 2018/06/27 学内専用
中村担当分補足資料 日本語版 No.3 2018/06/27 学内専用
中村担当分補足資料 英語版 No.1 2018/06/27 学内専用
中村担当分補足資料 英語版 No.2 2018/06/27 学内専用
中村担当分補足資料 英語版 No.3 2018/06/27 学内専用