科目ナンバー

SG-MP5-2C34

履修条件・関連科目等

なし

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

機械学習を科学研究に活用する際は、機械学習の学習結果を解釈し、そこから現象の機序の理解に資する知見を得るという視点が重要である。本授業では、そのために必要な機械学習の原理の理解と、学習結果の解釈法について学ぶ。

科目目的

本授業では、各種機械学習手法を紹介しつつ、それを基盤として機械学習によるデータ分析と現象の理解を繋げるための手順を学ぶ。これによって、機械学習を学術研究に取り入れる際の着眼点を養うことを本授業の目的とする。

到達目標

機械学習を学術研究に取り入れる際の着眼点を養うのが到達目標である。

授業計画と内容

講義では、以下のような内容等を扱う。
1. イントロダクション
2. 機械学習によるデータ分析のながれ
3. 線形回帰
4. モデル評価指標とスパースモデリング
5. ベイズ的線形回帰
6. ガウス過程回帰とベイズ最適化
7. 確率分布のサンプリング手法
8. ベイズ推論による物理モデリングの支援
9. 深層ニューラルネットワーク（DNN）の基礎
10. DNNによる物理モデリング
11. 実データ分析演習
12. 実データ分析演習
13. 実データ分析演習
14. 実データ分析演習

授業時間外の学修の内容

その他

授業時間外の学修の内容（その他の内容等）

興味が生じた講義中に扱った手法の導出を自分の手計算で確認する。場合によっては、導出の結果得られるアルゴリズムを実装して、自分の導出が合っていることを検証することも推奨される。

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

講義の中で指定するレポート課題に基づく

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

実施しない

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

実施しない

授業におけるICTの活用方法（その他の内容等）

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

「参考文献」
書名：統計的学習の基礎　データマイニング・推論・予測
著者（訳者）：Trevor Hastie, Robert Tibshirani, Jerome Friedman（杉山 将, 井手 剛, 神嶌 敏弘, 栗田 多喜夫, 前田 英作, 井尻 善久, 岩田 具治, 金森 敬文, 兼村 厚範, 烏山 昌幸, 河原 吉伸, 木村 昭悟, 小西 嘉典, 酒井 智弥, 鈴木 大慈, 竹内 一郎, 玉木 徹, 出口 大輔, 冨岡 亮太, 波部 斉, 前田 新一, 持橋 大地, 山田 誠）
出版社：共立出版
ISBN：978-4-320-12362-5
備考：原著が著者らのサイトで無料公開されている。


書名：パターン認識と機械学習 上・下巻
著者（訳者）：C.M. ビショップ（元田 浩, 栗田 多喜夫, 樋口 知之, 松本 裕治, 村田 昇）
出版社：丸善出版
ISBN：978-4621061220 978-4621061244
備考：原著がマイクロソフト社のサイトで無料公開されている。

その他特記事項

講義中にプログラムコードを各自実行してもらう場合があるので、各自ノートパソコンを持参すること。

参考URL