学部後期課程
HOME 学部後期課程 機械学習の数理
学内のオンライン授業の情報漏洩防止のため,URLやアカウント、教室の記載は削除しております。
最終更新日:2023年10月20日

授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。

機械学習の数理

機械学習・データマイニングとは、大量のデータからデータの生成メカニズムを推定し、これを活用して将来予測や知識発見につなげることである。本講義では、機械学習の基本的手法を紹介し、これらにとって必要な数理的基礎を、事例を踏まえて講義する。
MIMA Search
時間割/共通科目コード
コース名
教員
学期
時限
FEN-MP4d30L1
FEN-MP4d30L1
機械学習の数理
山西 健司
S1 S2
月曜2限
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
開講所属
工学部
授業計画
1.機械学習・データマイニングとは 2.パラメータ推定   2.1 最尤推定法   2.2 ベイズ推定法   2.3 線形回帰   2.4 スパース正則化   2.5 Graphical LASSO   2.6 勾配降下法/確率勾配法 3.モデル選択   3.1 情報量規準 AIC, BIC   3.2 情報・符号・確率的コンプレキシティ   3.3 記述長最小原理(MDL原理) 4.教師なし学習とクラスタリング   4.1 潜在変数モデルとEMアルゴリズム   4.2 マルコフ連鎖モンテカルロ法   4.3 トピックモデル   4.4 確率ブロックモデル   4.5 非負値行列因子分解   4.6 教師なし学習の評価基準 5.教師あり学習と分類   5.1 確率的決定木の学習   5.2 ランダムフォレスト法   5.3 集団学習とブースティング   5.4 グラジエント ブースティング   5.5 サポートベクトルマシン   5.6 人工ニューラルネットワーク   5.7 深層学習(CNN, RNN)   5.8 変分オートエンコーダ   5.9 敵対的学習   5.10 教師あり学習の評価基準 6.埋め込み   6.1 単語埋め込み   6.2 グラフ埋め込み   6.3 最近の発展(BERT、トランスフォーマエンコーダ) 7.オンライン学習   7.1 逐次的確率予測   7.2 最尤予測とベイズ予測   7.3 逐次的正規化最尤予測 8.異常検知   8.1 外れ値検知   8.2 変化検知   
授業の方法
講義資料はITC-LMSに置いておくので、事前にダウンロードしておくこと。 I will put manuscripts in ITC-LMS. Please download them beforehand. 講義時間は 毎週月曜 10:25--12:10 (105分) 初回~第3回まではオンラインで講義する。URLはITC-LMSにて通知する。 その後は基本対面で実施する(ハイブリッドも検討中)。 A lecture will be given on-line from the first to the third. After those, a lecture will be off-line in principle (hybrid form is now into consideration).
成績評価方法
レポート。
教科書
2022年
参考書
朝倉書店, 2014年
履修上の注意
基礎を固める(分野別基礎)
その他
前提となる知識と項目:線形代数 初等解析 確率論 情報理論 統計学 アルゴリズムの基礎 応用先_分野と項目:人工知能 知識発見(マーケティング、交通データ解析、生命科学, 経済分析など) ビッグデータ解析 データマイニング データサイエンス 異常検知と変化検知(障害検知、イベント検知など) メディア処理(画像、言語、音声)
実務経験と授業科目の関連性
機械学習の実適用例を毎回一定の時間を割いて紹介する。