シラバス情報
|
教員名 ： 三上 弾
|
開講年度
2025年度
開講学期
後期
科目名
機械学習
授業種別
講義
科目名（英語）
Neural Network
授業情報(授業コード・クラス・授業形態)
A1100096 機械学習 [J1][対面]
担当教員
三上 弾
単位数
2.0単位
曜日時限
火曜4限
キャンパス
新宿
教室
A-0811教室
学位授与の方針
1 基礎知識の修得 20 ％
2 専門分野の知識・専門技術の修得 80 ％ 3 汎用的問題解決力の修得 0 ％ 4 道徳的態度と社会性の修得 0 ％ 具体的な到達目標
機械学習において必要な数学の基礎知識、問題解法の数理モデル、および問題特性に合わせたモデルの選択指針を理解する。加えて、それら解法をコンピュータにより実装するために必要となる離散数学も理解する。
受講にあたっての前提条件
授業の狙いを把握し、それを習得する意思があること。なお、2年次後期の解析統計学を受講し理解していることが望ましい。
授業の方法とねらい
機械学習は多くの技術領域において必須の素養となりつつある。本講義では、機械学習を表面的に利用できるようになるのではなく、その背景にある数理モデルを学び、深い理解に基づいて適切に機械学習を利用・実装可能となることを目指す。
AL・ICT活用
PBL（課題解決型学習）／実習・フィールドワーク
第1回
授業形態
授業情報欄記載の通り
事前学習
講義資料を読んでおくこと
0.5時間
授業内容
機械学習とは？
機械学習の代表的な課題である分類問題と回帰問題、また、識別モデルと生成モデルの違いなどについて学ぶ 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第2回
授業形態
授業情報欄記載の通り
授業内容
関数の近似
線形近似、多項式近似、スプライン補間など、関数近似の意義の理解とその導出 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第3回
授業形態
授業情報欄記載の通り
授業内容
ノンパラメトリックパターン分類
代表的なノンパラメトリックパターン分類として最近傍決定則、またクラスタリング、そしてその距離定義について 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第4回
授業形態
授業情報欄記載の通り
授業内容
判別分析（１）
判別分析の基礎 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第5回
授業形態
授業情報欄記載の通り
授業内容
判別分析（２）
ベイズの定理。線形判別と二次判別。 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第6回
授業形態
授業情報欄記載の通り
授業内容
情報量基準
事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第7回
授業形態
授業情報欄記載の通り
授業内容
アンサンブル学習
ブースティング 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第8回
授業形態
授業情報欄記載の通り
授業内容
決定木
事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第9回
授業形態
授業情報欄記載の通り
授業内容
サポートベクトルマシン
事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第10回
授業形態
授業情報欄記載の通り
授業内容
モンテカルロシミュレーション
事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第11回
授業形態
授業情報欄記載の通り
授業内容
ニューラルネットワーク（１）
パーセプトロンと誤差逆伝搬 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第12回
授業形態
授業情報欄記載の通り
授業内容
ニューラルネットワーク（２）
教師なし学習 自己組織化（SOM） 事後学習・事前学習
講義資料を予習すること。演習問題を復習すること。
1時間
第13回
授業形態
授業情報欄記載の通り
授業内容
強化学習と深層学習
主に事例紹介 事後学習・事前学習
講義資料を予習すること。
1時間
第14回
授業形態
授業情報欄記載の通り
授業内容
授業内試験
事後学習・事前学習
復習しておくこと
2時間
第15回
授業形態
授業情報欄記載の通り
授業内容
振り返り
事後学習
試験で出来なかった問題を復習して理解する。
0.5時間
成績評価の方法
授業課題、期末試験を合わせて評価をつける。一方が欠けた場合は単位取得できない。
到達目標に照らして、６段階のGrade(A+,A,B,C,D,F)で評価し、D以上の者に単位を認める。 受講生へのフィードバック方法
課題は随時授業内でフィードバックする。
試験はオンデマンド教材にてフィードバックを行う。 教科書
指定教科書なし。
資料を毎回配布する。 参考書
特に指定しない。
オフィスアワー
火曜３限（12:30-14:00) 新宿校舎 A-2313
なるべく事前にメールで連絡をください。メールでの質問も歓迎します。 メールアドレス： mikami.dan [at] cc.kogakuin.ac.jp 受講生へのメッセージ
機械学習が広く社会で実用されつつあり、皆さんもニュースなどで目にする機会が増えてきていると思います。本講義を通じて単に表面的な知識で利用するのではなく、背景にある原理を理解しながら適切な機械学習手法を選択・利用できるようになってもらえたらと思います。
実務家担当科目
実務家担当科目
実務経験の内容
民間企業での研究と研究成果の実用化
教職課程認定該当学科
コンピュータ科学科
その他の資格・認定プログラムとの関連
関連する科目である
教育課程コード
Ⅲ3b
教育課程コードの見方【例】 Ⅰ2a（Ⅰ…Ⅰ群、2…2年配当、a…必修） ※ a : 必修 b : 選択必修 c : 選択 ※複数コードが表示されている場合には入学年度・所属学科の学生便覧を参照のこと
|
