科目ナンバー

SG-AI5-RC29

履修条件・関連科目等

データサイエンス特論第一を履修していることが望ましい．（データサイエンス特論第一を履修していない学生は要相談）

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

データを科学するための統計学の基礎的方法論と機械学習等の基礎原理を踏まえつつ，データ構成する事例間の類似性，系列畳込み，データ次元圧縮，異常検知，不完全情報下での学習などさらなる情報科学の基礎原理を確認しながら，様々な高度で実践的な機械学習・深層学習の原理と手法を習得する．特にPython言語によるアルゴリズムの使い方を説明するのでPython言語が自習できることが望ましい．

科目目的

統計学の基礎的方法論と機械学習等の基礎原理を踏まえつつ，さらなる情報科学の基礎原理を確認しながら，様々な高度で実践的な機械学習・深層学習の原理と手法を習得する．

到達目標

情報科学と統計学の基礎原理に根ざしつつ，実践的なデータ解析において頻繁に使われる高度な機械学習・深層学習の原理と手法を理解する．そのことによって，専攻研究のテーマに必要な具体的なデータの解析のための実験デザイン・数値的実験・結果の検証の方法を広い視野のもとで考察する基礎知識を身に着けることを目標とする．

授業計画と内容

[1] 統計学の基本的枠組み
[2] ノンパラメトリック/パラメトリック推定と最尤/ベイズ推定
[3] 事例間の類似性尺度とカーネル関数
[4] カーネル法による回帰式の最尤推定
[5] カーネル法によるRidge回帰，Lasso回帰
[6] ガウス過程回帰とサポートベクターマシン
[7] 決定木
[8] アンサンブル学習とランダムフォレスト
[9] 勾配ブースティング
[10] 系列データの畳込みフィルタ
[11] 深層学習：畳込みニューラルネット(CNN)
[12] 主成分分析，次元圧縮と深層学習：自己符号化器(AE)
[13] 深層学習：変分自己符号化器(VAE)
[14] 深層学習：敵対的生成ネットワーク(GAN)，まとめ

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）

配布資料の理解と確認に努める．

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）

課題レポートの内容と授業への参加状況について評価する．

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

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

授業でテキストを使用せずに、レジュメ等の配布資料による．

その他特記事項

参考URL