科目ナンバー

SG-AI5-8C11

履修条件・関連科目等

確率や数理最適化に関する基礎知識があることが望ましい

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

機械学習とは、データから規則性を学習し、予測や意思決定に用いるための手法である。本授業では機械学習の技術、特にその仕組みや考え方について学習する。代表的な機械学習アルゴリズムを取り上げ、その数理的な側面を中心に解説する。

科目目的

データの規則性を発見し、予測や意思決定に利用するための手法や考え方を理解する。

到達目標

代表的な機械学習アルゴリズムの仕組みを理解し、適切な使用や分析を行えるようになる。

授業計画と内容

第1回　機械学習導入
第2回　線形回帰
第3回　確率分布の基礎
第4回　確率密度推定
第5回　ベイズ線形回帰
第6回　分類問題、ロジスティック回帰
第7回　ニューラルネットワーク：モデル
第8回　ニューラルネットワーク：学習
第9回　サポートベクトルマシン
第10回　k-meansクラスタリング・混合ガウス分布とEMアルゴリズム
第11回　スペクトラルクラスタリング
第12回　ブースティング
第13回　課題への取り組みに関するプレゼンテーション
第14回　課題への取り組みに関するプレゼンテーション

授業時間外の学修の内容

指定したテキストやレジュメを事前に読み込むこと

授業時間外の学修の内容（その他の内容等）

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）

講義への出席状況が著しく悪い場合は不合格とすることがある。

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／授業時間に限らず、manabaでフィードバックを行う

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

プレゼンテーション

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

参考書：C.M.ビショップ 著、 元田浩、栗田多喜夫、樋口知之、松本裕治、村田昇 監訳 「パターン認識と機械学習」丸善出版、2012年、 ISBN:　4621061224（上巻）4621061240（下巻）

その他特記事項

参考URL

https://researchmap.jp/takuro_fukunaga/