理工学部Faculty of Science and Engineering
COT200XG(計算基盤 / Computing technologies 200)移動知能Multi-agent Systems
柴田 千尋Chihiro SHIBATA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | H9032 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期授業/Fall |
曜日・時限Day/Period | 金2/Fri.2 |
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) | |
備考(履修条件等)Notes | |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
カテゴリー<理工学部>Category |
創生科学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
[Outline]
Machine learning is currently mandatory for various fields of computer science. In this lecture, you learn the basics and the practical knowledge of machine learning. In addition, it is also expected to acquire fundamental knowledge about servers and networks, which is required when large-scale computation is required for calculations regarding machine learning.
[Goal]
The goal is to acquire the basic knowledge of machine learning and machine learning coding using Python language. It is also aimed to acquire the basic knowledge of computer networks to understand the computing environment required to perform large-scale calculations in the future.
[Learning Activities Outside of Classroom]
Students are expected to review and learn basic Python syntax outside of the class.
[Grading Criteria]
Grades are evaluated comprehensively based on exercises (30%) and small tests (70%) in class.
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
現在,機械学習は,コンピュータサイエンスの様々な分野において,基本的な知識となってきている.本授業では,機械学習の基礎と応用の方法を学ぶ.また,後半の一部の時間を使って,機械学習の諸手法の大規模な計算を行う際に必要になる知識として,サーバや,ネットワークの初歩的な知識を学ぶ.
到達目標Goal
本講義により,機械学習の基礎知識,および,機械学習プログラムの基礎知識を習得する.機械学習プログラムにはpython言語を用いるが,そのソースコードが理解できるようになる.また,第13回目の講義では,将来的に,規模の大きい計算を行う際に必要となる計算環境を理解し利用できるようになることを目的とし,ネットワークの基礎知識を学ぶ.
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」と「DP2」と「DP4」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. )
機械学習を中心に講義を行う.講義とともに,講義内容について,場合に応じて小課題を出し,授業中に講評を行い,講義内容の理解を深める.
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:対面/face to face
※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[対面/face to face]:機械学習とはなにか
講義全体の概要について説明する.機械学習や近年のAI技術について概要を説明する.
2[対面/face to face]:Python入門(1)
Python は,機械学習のための代表的な言語になっている.機械学習の実装の視点から, Python の基礎を学ぶ.
3[対面/face to face]:Python入門(2)
引き続き,機械学習の観点から,Python 言語の基礎と利用方法を学ぶ.
4[対面/face to face]:線形代数の復習
線形代数のごく初歩について復習する.また,それをPythonでどのように取り扱うかを学ぶ.
5[対面/face to face]:確率の復習
確率の初歩について復習する.また,Pythonでどのように取り扱うかを学ぶ.
6[対面/face to face]:線形回帰
機械学習における最も初歩的な確率モデルとして,線形回帰の定式化と手法を学ぶ.
7[オンライン/online]:一般化線形モデル
一般化線形モデルの代表的な手法であるロジスティック回帰について説明する.
8[オンライン/online]:サポートベクトルマシン
二値分類を解く機械学習の手法として代表的なサポートベクトルマシンの基礎について講義を行う.
9[オンライン/online]:ナイーブベイズ法
テキスト分類に使われる最もシンプルな確率モデルとしてナイーブベイズ法がある.そのモデルと応用方法について学ぶ.
10[オンライン/online]:決定木
決定木とは,それをたどることにより分類を行うことができるような木であり,機械学習の観点から有用な決定木の構築手法について学ぶ.
11[オンライン/online]:カーネル法
線形モデルをそのまま用いて,非線形な分類や回帰を行うための良い方法に,カーネル法がある.カーネル法について講義を行う.
12[オンライン/online]:ニューラルネットワーク
近年の機械学習の発展には深層学習が欠かせないが,深層学習の初歩としてのニューラルネットワークについて学ぶ.
13[オンライン/online]:Linux システムとネットワーク
機械学習の計算をサーバ上で行うための必須事項として,コンピュータネットワークの基礎知識を習得する.
14[対面/face to face]:今後の課題と理解度確認小テスト
この講義では機械学習の初歩を学ぶが,その後どのようなことを学べばよいのかなどの今後の方向性にて講義を行う.また理解度確認の小テストを行う.
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・復習等の授業時間外学習は、4時間を標準とする】受講学生は、講義内容について、事前に教科書を読み基礎知識を見つけるとともに、講義内容について復習を行う。
テキスト(教科書)Textbooks
八谷大岳著:「ゼロから作るPython機械学習プログラミング」,機械学習スタートアップシリーズ,講談社
参考書References
滝沢、榎戸著: 「分散システム:P2Pモデル」,コロナ社
成績評価の方法と基準Grading criteria
成績は、授業中の小課題(30%)と小テスト(70%) により総合的に評価する。
学生の意見等からの気づきChanges following student comments
なし
学生が準備すべき機器他Equipment student needs to prepare
ノートPC
その他の重要事項Others
講義についてメモをきちんととり、復習を十分に行うこと。