理工学研究科Graduate School of Science and Engineering
HUI500X3(人間情報学 / Human informatics 500)学習アルゴリズム特論Learning Algorithm
藤原 靖宏Yasuhiro FUJIWARA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工学研究科Graduate School of Science and Engineering |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | YB024 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 春学期授業/Spring |
曜日・時限Day/Period | 水4/Wed.4 |
科目種別Class Type | |
キャンパスCampus | 小金井 |
教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
配当年次Grade | |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
カテゴリーCategory | 応用情報工学専攻 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
As the result of recent advances in Internet and database technology, we can exploit various kinds of data. This course introduces learning algorithms used in machine learning and data mining to students taking this course. The goals of this course are to learn fundamental learning algorithms such as regression, decision tree, SVM, clustering, graph analysis, and deep learning. Students will be expected to have read textbooks on statistics and algebra before each class meeting. Your study time will be more than four hours for a class. Your overall grade in the class will be decided based on the following:
Report : 100%
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
近年はインターネット技術やデータベース技術などの進展により様々なデータが利用可能になっている.この授業では様々なデータを解析するために必要となる機械学習やデータマイニングなどにおける学習アルゴリズムの習得を目的とする.
到達目標Goal
機械学習やデータマイニングなどの人工知能技術は非常に進展の速度が早く,必ずしも教科書的な手法が確立されているわけではない.そのため本授業では現在のデータサイエンスにおいて利用されている基礎的な学習アルゴリズムを身に着け,将来的に機械学習やデータマイニングを利用できる素養の獲得を目指す.
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
まずビッグデータ解析における学習アルゴリズムの位置づけについて理解する.次に具体的な学習アルゴリズムとして回帰分析,決定木,SVM,クラスタリングを学ぶ.また従業の後半では現在活発に研究されている深層学習について学ぶ.課題等の提出・フィードバックは「学習支援システム」を通じて行う予定.
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:オンライン/online
※各回の授業形態は予定です。教員の指示に従ってください。
1[オンライン/online]:概要と導入
データサイエンスにおける学習アルゴリズム
2[オンライン/online]:機械学習導入
教師あり学習,教師なし学習などの機械学習の概要
3[オンライン/online]:回帰分析の基礎
単回帰分析,重回帰分析
4[オンライン/online]:回帰分析の発展
リッジ回帰,Lasso回帰
5[オンライン/online]:決定木の基礎
CART,不純度
6[オンライン/online]:決定木の発展
ランダムフォレスト,ブースティング
7[オンライン/online]:SVMの基礎
線形分離可能,分類超平面
8[オンライン/online]:SVMの発展
最適化問題,KKT条件,双対問題
9[オンライン/online]:SVMの応用
ソフトマージン,カーネル法,多値サポートベクターマシン
10[オンライン/online]:クラスタリング
階層型クラスタリング,K-means法
11[オンライン/online]:グラフ解析の基礎
グラフ構造,グラフ探索
12[オンライン/online]:グラフ解析の発展
次数分布,スケールフリーネットワーク
13[オンライン/online]:深層学習の基礎
単純パーセプトロン,多層パーセプトロン
14[オンライン/online]:深層学習の発展
確率的勾配法,ReLU関数
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
【本授業の準備・復習時間は、各4時間を標準とします。】
確率・統計,線形代数の復習
テキスト(教科書)Textbooks
特になし
参考書References
特になし
成績評価の方法と基準Grading criteria
平常点0%,レポート課題100%として評価
学生の意見等からの気づきChanges following student comments
特になし
学生が準備すべき機器他Equipment student needs to prepare
特になし
その他の重要事項Others
授業の方法や授業計画の変更,成績評価方法の変更などについては,学習支援システムでその都度提示する.担当教員から学習支援システムを通じた連絡がないか,日ごろからよく確認するようにしてください.