|
|
|
|
|
|
|
|
|
|
データから，規則やパターン，知識を獲得しようとする機械学習は，知的システム，人工知能を実現する上で重要な技術である．本講義では，機械学習の発展的なアルゴリズムを中心に学び，それを通して当該分野の最先端の論文を読解できるようになることを目標とする．
|
|
|
１. イントロダクション
２. 機械学習の基礎（1）
３. 機械学習の基礎（2）
４. 非負値行列分解，独立成分分析
５. ニューラルネットワークとディープラーニング（1）
６. ニューラルネットワークとディープラーニング（2）
７. 強化学習（1）
８. 強化学習（2）
９. カーネル法とガウス過程
10. モデル選択とハイパーパラメータ最適化（Grid Search and Bayesian Optimization）
11. Randomized Search Heuristics (Information Geometric Optimization and Covariance Matrix Adaptation Evolution Strategies)
12. 文献紹介もしくは演習（1）
13. 文献紹介もしくは演習（2）
14. 文献紹介もしくは演習（3）
15. 文献紹介もしくは演習（4）
|
|
|
・各回で学んだ事項について復習し，考え方やアルゴリズムについて理解を深める．
・各アルゴリズムの導出過程を理解できるように，「線形代数」や「解析学」，「確率・統計」などで学んだ事項について復習しておく．
|
|
|
1. 機械学習の発展的なアルゴリズムの概要や適用範囲を理解できる． (a)
2. 機械学習の発展的なアルゴリズムを理解し，実際に使いこなせる． (a, b)
3. 先端的なアルゴリズムを理解することができ，利点・欠点を指摘することができる． (a, b)
※( )内はYNUイニシアティブに掲げる実践的「知」との相関をあらわす．
「実践的「知」：a.知識・教養 b.思考力 c.コミュニケーション能力 d.倫理観・責任感」
|
|
|
1. 機械学習の発展的なアルゴリズムの概要や適用範囲を理解できる． (a)
2. 機械学習の発展的なアルゴリズムを理解できる． (a)
※( )内はYNUイニシアティブに掲げる実践的「知」との相関をあらわす．
「実践的「知」：a.知識・教養 b.思考力 c.コミュニケーション能力 d.倫理観・責任感」
|
|
|
|
講義中の小テスト・演習（50%），期末レポートの成績（50%）で総合的に評価する．
|
|
|
【成績評価の基準表】
| 秀(S) | 優(A) | 良(B) | 可(C) | 不可(F) |
| 履修目標を越えたレベルを達成している | 履修目標を達成している | 履修目標と到達目標の間にあるレベルを達成している | 到達目標を達成している | 到達目標を達成できていない |
|
|
履修目標：授業で扱う内容（授業のねらい）を示す目標
到達目標：授業において最低限学生が身につける内容を示す目標
|
|
【授業別ルーブリック】
| 評価項目 | 評価基準 |
| 期待している以上である | 十分に満足できる(履修目標) | やや努力を要する | 努力を要する(到達目標) | 相当の努力を要する |
| 理解度 | 授業内容を越えた自主的な学修が認められる | 授業内容を越えた自主的な学修が認められる | 到達目標は理解しているが，授業内容に不足がある | 到達目標に達していることが認められる | 到達目標に達していない |
| 課題解法能力 | 解法が分からない他人にアドバイスができる | 何も参照せずに独自の能力で課題を解くことができる | 参考書などを参考にすれば，独自で課題を解くことができる | 他人のアドバイスがあれば課題を解くことができる | 他人のアドバイスがあっても自発的に課題を解くことができない |
| 調査能力 | 自ら進んで予習範囲を越えて調べている | 予習範囲を十分に理解し，他人に説明できる | 指示した予習範囲の理解にあいまいな点がある | 指示された範囲は予習するが，理解が不十分である | 指示された範囲は予習が不十分である |
|
|
|
講義ではスライド，配布資料，板書を用いて，発展的な機械学習アルゴリズムの説明を行う．必要に応じて，小テストや演習を行い，理解度・実践力を深める．
講義後半では，受講者による当該分野の先端研究論文の紹介，もしくは具体的なデータを使った機械学習によるデータ分析演習を行う（講義の進み具合や受講者数を勘案して具体的な内容は決定する）．
|
|
|
|
|
|
|
|
|
|
432012362X
|
|
|
統計的学習の基礎 : データマイニング・推論・予測
|
|
|
Trevor Hastie, Robert Tibshirani, Jerome Friedman 著,杉山将, 井手剛, 神嶌敏弘, 栗田多喜夫, 前田英作 監訳,井尻善久 他訳,
|
|
共立出版
|
|
2014
|
|
|
|
|
|
4061529021
|
|
|
深層学習
|
|
|
岡谷貴之著,
|
|
講談社
|
|
Apr-15
|
|
|
|
|
|
4627880316
|
|
|
これからの強化学習
|
|
|
牧野貴樹, 澁谷長史, 白川真一 編著,
|
|
森北出版
|
|
2016
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
必要な知識は講義中に補足するが，「線形代数」，「解析学」，「確率・統計」などの知識を有すること．また，機械学習やパターン認識に関する基礎的な知識も修得していることが望ましい．
|
|
|
|
機械学習,人工知能,最適化,データマイニング,データサイエンス
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|