筑波大学教育課程編成支援システム

GB42404 機械学習

2.0 単位, 3・4 年次, 春AB 月1,2
佐久間淳

授業概要

計算機による自律的な学習を目指す機械学習や,大規模情報源からの知識発見を実現するデータマイニングの理論について,教師付き学習,教師なし学習を中心に理解する。

備考

授業形態

講義及び演習

学位プログラム・コンピテンスとの関係

・汎用コンピテンス
2. 批判的・創造的思考力
4. 広い視野と国際性
・専門コンピテンス
4. 知能情報メディア分野の専門能力
6. 実践的技術力と問題解決能力
7. 情報専門技術者としての倫理

授業の到達目標(学修成果)

-人間が未知の知識や環境に触れたときに発揮される学習能力が,数学/計算機上の問題としてどのように定義されるかを理解する
-教師付き学習,教師なし学習の代表的なアルゴリズムとその利用法を理解する

キーワード

機械学習, データマイニング, 知識発見, 人工知能, 凸最適化, 確率論, 統計学

授業計画

第1回	【機械学習入門】概論: 機械学習とは何か、機械学習はどんな分野で使われているか。特徴量とはなにか
第2回	【教師つき学習(1)】多数のラベル付きサンプルから概念を学習する代表的な方法について学びます。線形回帰と二乗誤差最小化
第3回	【教師つき学習(2)】非線形特徴量による線形回帰、モデルの複雑さと予測性能の関係訓練誤差・テスト誤差・汎化誤差、オッカムの剃刀、過学習、交差検証, モデル選択と特徴選択 L2正則化とリッジ回帰
第4回	【教師つき学習(3)】 L1正則化とLasso 勾配降下法、確率的勾配降下法決定的識別モデル,損失関数、サポートベクターマシン
第5回	【教師つき学習(4)】確率的識別モデル、ロジスティック回帰、ニュートン法経験損失最小化による教師付き学習の一般化 softmax回帰によるマルチラベル分類
第6回	予備
第7回	【教師なし学習】多数のラベル無しサンプルから概念を学習する代表的な方法について学びます。 k-meansクラスタリング
第8回	【教師なし学習(2)】多変量正規分布,主成分分析
第9回	【深層学習(1)】深層学習による教師付き・教師無し学習について学びます。ニューラルネットワーク、逆誤差伝播法、畳み込みニューラルネットワークによる画像認識
第10回	【深層学習(2)】リカレントニューラルネットワ−ク、敵対的生成ネットワーク

履修条件

線形代数, 確率論, 統計学 (ただし必要な知識はその都度補う)

成績評価方法

演習(100%)を加味して評価を行う。

学修時間の割り当て及び授業外における学修方法

2019年度の講義動画が以下のURLから視聴できる。
https://ocw.tsukuba.ac.jp/course/systeminformation/machine_learning/p-1/

教材・参考文献・配付資料等

教材
manabaで配布

講義のWebページ
manaba参照のこと

参考書籍
パターン認識と機械学習 (C.M. ビショップ)

2019年度の講義動画が以下のURLから視聴できる。
https://ocw.tsukuba.ac.jp/course/systeminformation/machine_learning/p-1/

オフィスアワー等(連絡先含む)

適宜受け付ける。メールにて事前連絡のこと。

その他(受講生にのぞむことや受講上の注意点等)

他の授業科目との関連

ティーチングフェロー(TF)・ティーチングアシスタント(TA)

Thien Tran Quang thien@mdl.cs.tsukuba.ac.jp

シラバス参照