コンテンツに飛ぶ | ナビゲーションに飛ぶ

  • 日本語
  • English
 
現在位置: ホーム ja シラバス(2020年度) 工学部 電気電子工学科 機械学習

機械学習

JA | EN

科目ナンバリング
  • U-ENG26 36205 LJ72
開講年度・開講期 2020・後期
単位数 2 単位
授業形態 講義
対象学生 学部生
使用言語 日本語
曜時限 木3
教員
  • 石井 信(情報学研究科 教授)
  • 西野 恒(情報学研究科 教授)
  • 喜多 一(国際高等教育院 教授)
授業の概要・目的 本講義では、機械学習の基礎と応用を学ぶ。複雑な問題における解探索手法として、状態空間の探索や分枝限定法など演繹的な手法について論じ、そこでの課題を踏まえて、帰納的手法として機械学習法の基盤となる強化学習、教師あり学習、教師なし学習について、その理論的基礎および応用例を講述する。
到達目標 機械学習の基礎的事項について知識を習得し、プログラミングを含むレポート作成を通じて、実践レベルまで理解を深める。
授業計画と内容 状態空間の探索(3回):状態空間を探索して最良の意思決定を行う方法とその課題について、基本的な探索アルゴリズム(1回)、分枝限定法(1回)、ゲーム木探索(1回)などを含め講述する。(担当:喜多 一)
動的計画法と強化学習(2回):報酬や罰に基づき行動を獲得する強化学習について、その基礎となる動的計画法(1回)を紹介した後、Q-学習法(1回)について講義する。(担当:喜多 一)
統計的機械学習概論(1回):統計的確率論に基づく機械学習について、「教師あり学習」および
「教師なし学習」の基本的な考え方について解説する。(担当:西野 恒)
教師あり学習(4回):教師あり学習について、その最も簡単なモデルであるパーセプトロンから
はじめ、学習法の基礎を与える最小自乗法(1回)、勾配法による非線形最適化(1回)などを含めて講義する。多層パーセプトロンとそのための誤差逆伝播学習法(1回)、また、近年応用が急速に拡大している深層ネットワークと深層学習(1回)についても講述する。(担当:西野 恒)
サポートベクトルマシン(1回):線形判別分析を拡張したサポートベクトルマシンについて、マージン最大化やカーネル法を含めその理論的基盤を講述する(担当:石井 信)
教師なし学習と統計的推定(4回):教師なし学習について、確率モデルの統計的推定に基づく基
本的な考え方(1回)と、時系列解析(1回)、クラスタリング、画像処理などの応用(1回)について講義する。また、ベイズ推定に基づく手法(1回)についても紹介する(担当:石井 信)
成績評価の方法・観点 【評価方法】
授業中の演習およびプログラミングを伴うレポート の成績(80%) 平常点評価(20%)
平常点評価には、授業への参加状況や授業内での発言の評価を含む。
【評価方針】
到達目標について、工学部の成績評価の方針に従って評価する。
履修要件 計算機ソフトウェア(60370)の知識を必要とする。
授業外学習(予習・復習)等 プログラミングを伴うレポート課題に取り組む
教科書
  • プリントを使用する。
参考書等
  • 必要に応じて紹介する。
実務経験のある教員による授業
  • 分類:

    実務経験のある教員による実務経験を活かした授業科目