機械学習｜シラバス情報

科目授業名称（和文）　Name of the subject/class (in Japanese)

機械学習

科目授業名称（英文）　Name of the subject/class (in English)

Machine Learning

授業コード　Class code

9914722

科目番号　Course number

14MAPTS309

教員名

松崎　拓也

Instructor

Takuya Matsuzaki

開講年度学期

2023年度前期

Year/Semester

曜日時限

月曜2限

Class hours

開講学科・専攻　Department

理学部第一部　応用数学科

Department of Applied Mathematics, Faculty of Science Division Ⅰ

単位数　Course credit

2.0単位

授業の方法　Teaching method

講義

Lecture

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

対面講義/on-site class

概要　Description

現在の人工知能技術の中心である機械学習について学ぶ。

目的　Objectives

機械学習は、データからの学習を通じて人の行う知的活動を模倣するための数理手法の総称であり、現在の知的情報処理・人工知能技術の基本となっている。

この講義は、入力ベクトルに対し分類を行う種々の識別器について理解することを目的とする。

この科目は、本学科のカリキュラム・ポリシーに定める「応用数学の中の『統計科学』『計算数学』『情報数理』の3つの学問領域を基盤とする最先端の多様な専門教育を行う」ことを実現するための科目です。また、本学科のディプロマ・ポリシーに定める「解決困難な様々な課題に対し、状況を的確に把握・分析して、自らの数学的・論理的思考力によって柔軟に対応し積極的に問題解決を図る能力」の基礎を養うための科目です。

到達目標　Outcomes

種々の識別器の定義と構成法について説明できる。

卒業認定・学位授与の方針との関係（学部科目のみ）

専門応用能力

履修上の注意　Course notes prerequisites

アクティブ・ラーニング科目　Teaching type（Active Learning）

小テストの実施　Quiz type test

-

準備学習・復習　Preparation and review

予習は必要ない。各回の講義内容を十分復習すること。

成績評価方法　Performance grading policy

定期試験・レポート課題の提出状況およびその内容によって総合的に評価する。

学修成果の評価　Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

N

書誌情報　Bibliographic information

-

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

高村大也「言語処理のための機械学習入門 (自然言語処理シリーズ) 」コロナ社
平井有三「はじめてのパターン認識」森北出版

授業計画　Class plan

第1回：機械学習とは
第2回：確率分布と最尤推定
第3回：確率分布と教師付き学習・条件付確率モデル
第4回：線形回帰
第5回：勾配ベクトルの性質
第6回：ラグランジュ未定乗数法
第7回：ナイーブベイズモデル
第8回：到達度の確認
第9回：過学習とMAP推定
第10回：ナイーブベイズモデルのMAP推定
第11回：最大エントロピーモデル
第12回：線形分類とパーセプトロンアルゴリズム
第13回：ニューラルネット（1）
第14回：ニューラルネット（2）
第15回：到達度の確認

授業担当者の実務経験　Work experience of the instructor of the class

-

教育用ソフトウェア　Educational software

-

備考　Remarks