機械学習

科目ナンバリング U-ENG26 36205 LJ72 開講年度・開講期 2021 ・ 後期
単位数 2 単位 授業形態 講義
配当学年 対象学生
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)
授業の概要・目的 本授業では、機械学習の基礎と応用の修得を目的とする。複雑な問題を解決するための帰納的アプローチである統計的機械学習法、具体的には、教師あり学習、教師なし学習、強化学習について、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修得し、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 ・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(6回):教師あり学習について、最小自乗法も含め線形回帰(1回)について解説し、サポートベクトルマシンを含む線形識別(1回)について講述する。その後、パーセプトロンを題材として勾配法による非線形最適化(1回)、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)、畳み込みネットワークを中心とした深層ネットワーク(1回)、さらにLSTMを代表とするその時系列への展開(1回)について講述する。(担当:西野 恒)
・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)、グラフィカルモデルと最尤推定(1回)、ベイズ推定(1回)、さらに画像処理などの応用(1回)について講述する。(担当:石井 信)
・強化学習と探索(3回):報酬に基づく自律的な制御学習である強化学習について、動的計画法からの導出(1回)、確率近似法による定式化(1回)と、近年応用が進んでいる深層強化学習(1回)について講述する。時間的余裕があればバンディット問題(探索問題)についても解説する。(担当:石井 信)
・機械学習の人工知能への応用(1回):機械学習の人工知能への応用について最新の状況を解説する。(担当:西野 恒、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 C.M. Bishop(元田、他訳)、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、シュプリンガー・ジャパン (2007)
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
PAGE TOP