タイトル
時間割コード: EM35124 日本語シラバス
機械学習システム特論[Advanced Machine Learning Systems]
 
担当教員
白川 真一[SHINICHI SHIRAKAWA]
開講学部等 環境情報学府 対象年次   単位数 2 使用言語 日本語
開講時期 春学期 開講曜限   クラス  
特記事項  
ナンバリングコード
授業の目的  
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.
 
授業計画
(項目説明)授業全体のスケジュールを示しています。学修計画を立てる際の参考にしてください。
 
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)
 
授業時間外の学修内容
(項目説明)授業全体を通して授業前に予習すべき内容、授業後に復習すべき内容を示しています。単位は、授業時間前後の予習復習を含めて認定されます。
 
・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.
 
履修目標
(項目説明)授業で扱う内容(授業のねらい)を示す目標です。より高度な内容は自主的な学修で身につけることを必要としています。
 
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」
 
到達目標
(項目説明)授業を履修する人が最低限身につける内容を示す目標です。履修目標を達成するには、さらなる学修を必要としている段階です。
 
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」
 
成績評価の方法
(項目説明)成績評価の方法と評価の配分を示しています。
 
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 -ルーブリック-
(項目説明)授業別ルーブリックでは評価の項目と、成績評価の基準との関係性を確認できます。(表示されない場合もあります。)
 
【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
 
授業の方法
(項目説明)教員が授業をどのように進めるのか、課題提出などの情報もあわせて示しています。
 
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).
 
参考書  
参考書1 ISBN 4621061224
書名 パターン認識と機械学習(上・下):ベイズ理論による統計的予測
著者名 C.M.ビショップ 著 ; 元田浩 監訳 ; 栗田多喜夫 監訳 ; 樋口知之 監訳 ; 松本裕治 監訳 ; 村田昇 監訳 ; シュプリンガー・ジャパン株式会社 編集, 出版社 丸善出版 出版年 2012
参考書2 ISBN 432012362X
書名 統計的学習の基礎 : データマイニング・推論・予測
著者名 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, 出版社 共立出版 出版年 2014
参考書3 ISBN 4061529021
書名 深層学習
著者名 岡谷貴之著, 出版社 講談社 出版年 Apr-15
参考書4 ISBN 4627880316
書名 これからの強化学習
著者名 牧野貴樹, 澁谷長史, 白川真一 編著, 出版社 森北出版 出版年 2016
 
履修条件および関連科目
(項目説明)この授業を履修するにあたってあらかじめ履修が必要な授業,並行して履修することによって学修効果を高める授業などを示しています。
 
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.
 
キーワード  
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
 
↑ ページの先頭へ戻る