2018年度 機械学習概論 (3006)

授業科目基本情報PDFダウンロード

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	Ⅰ	履修登録システム	使用する
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。 ・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／学修到達目標
授業概要／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]	担当教員	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

表示可能なデータがありません。