機械学習特論

Advanced Machine Learning

997D13A

74SIINE501

大和田　勇人

Hayato Ohwada

2024年度後期

2024 Second Semester

月曜2限

Monday Second Hour

創域理工学研究科　経営システム工学専攻

Department of Industrial and Systems Engineering, Graduate School of Science and Technology

2.0単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

機械学習の基礎、システム、応用についてパソコンを用いた演習を通じて理解する。

Understand the foundation, systems, and applications of machine learning with hands-on exercises.

最新の機械学習について、その基礎、システム化、応用を身に付ける。。本専攻のディプロマ・ポリシー「経営システム工学専攻の専門分野に応じた高度な専門知識 」に該当する科目である。

Understand the foundation, system implementation and applications of machine learning.
This class aims to achieve the department diploma policy of the "ability to solve problems using advanced knowledge in Industrial Engineering".

機械学習の最新技術を理解し、それを応用することができる。

Acquire the ability to solve problems using state-of the-art machine learning technology.

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

授業中の教材としてノートパソコンを使用するので，必ず持参すること。

Please bring the notebook PCs, which are used as teaching materials in class.

課題に対する作文　Essay／プレゼンテーション　Presentation

-

LETUS上で事前に資料を配布するので，予め予習を行っておくこと．また，各回の授業内容を十分復習しておくこと。

Since materials are distributed beforehand on LETUS, prepare beforehand. Also, please review the contents of each lesson carefully.

全ての授業に出席していることを前提に、かつ、全てのレポートを提出していることも前提として、レポート（60％）および課題作成内容（40％）を総合して評価する。

On the premise that all classes have been taken and all reports have been submitted, we evaluate the report (60%) and the content of the task creation (40%).

・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

N

-

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。
​https://mirai.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://mirai.kinokuniya.co.jp/tokyorika/

ホームページに記載された機械学習ライブラリの資料を使用する。

Use materials from the machine learning library accessible from the specified URL.

1 　機械学習総論（１） 　　機械学習の定義、歴史を講義し、情報処理技術としての特異性を修得する。

2 　機械学習総論（２） 　　機械学習の概要を述べ、機械学習技術を総合的に理解する。

3 　機械学習総論（３） 　　人工知能の観点から概念学習を取り上げ、機械学習の本質を理解する。

4 　教師あり機械学習（１）　　教師あり機械学習として回帰を取り上げ、その方法と特徴を演習を通じて理解する。

5 　教師あり機械学習（２）　　教師あり機械学習として決定木によるクラス分類を取り上げ、その方法と特徴を演習を通じて理解する。

6 　教師あり機械学習（３）　　教師あり機械学習としてロジスティック回帰によるクラス分類を取り上げ、その方法と特徴を演習を通じて理解する。

7 　教師なし機械学習（１）　　教師なし機械学習として階層的クラスタリングを取り上げ、その方法と特徴を理解する。

8 　教師なし機械学習（２）　　教師なし機械学習として、k-means法を取り上げ、その方法と特徴を演習を通じて理解する。

9 　発展的な機械学習法（１）　　発展的な機械学習法としてサポートベクタマシンを取り上げ、その方法と特徴を演習を通じて理解する。

10　発展的な機械学習法（２）　　発展的な機械学習法としてディープラーニングを取り上げ、その方法と特徴を演習を通じて理解する。

11　論理に基づく機械学習法（１）　　論理に基づく機械学習法として帰納論理プログラミングと取り上げ、その方法と特徴を理解する。

12　論理に基づく機械学習法（２）　　帰納論理プログラミングと関係データベースの関連性を指摘し、応用への道筋を理解する。

13　　機械学習の比較（１）　　帰納論理プログラミングの方法論と対比して、決定木による分類学習を講義し、各々の特質を理解する。

14　　機械学習の比較（２） 　サポートベクタマシンやディープラーニングといった学習方法と帰納論理プログラミングと比較して、各々の特質を理解する。

15　　レポート 　　これまでの講義を踏まえて、機械学習の特徴と今後の発展についてレポートをまとめる。

1: 　Machine learning overview 1
Understand the unique features of machine learning

2: 　Machine learning overview 2
Understand the technology of machine learning

3: 　Machine learning overview 3
Understand the essence of machine learning regarding artificial intelligence

4: 　Supervised learning 1
Understand the method and features of linear regression

5: 　Supervised learning 2
Understand the method and feature of decision tree classification

6: 　Supervised Learning 3
Understand the method and features of logistic regression

7: 　Unsupervised learning 1
Understand the method and features of hierarchical clustering

8: 　Unsupervised learning 2
Understand the method and features of k-means clustering

9: 　Advanced machine learning 1
Understand the method and features of support vector machines

10:　Advanced machine learning 2
Understand the method and features of deep learning

11:　Logic-based Machine Learning 1
Understand the method and features of inductive logic programming

12:　Logic-based machine learning 2
Understand the relationship between inductive logic programming and relational databases.

13:　Comparison with machine learning methods 1
Understand each feature of a variety of machine learning methods

14:　Comparison with machine learning Methods 2
Understand each feature of advanced machine learning methods in comparison with inductive logic programming

15: Give a report
Give a report on enabling technology based on machine learning

-

-

-

-

-