| 授業方針・テーマ |
テーマ【機械学習を体験してみよう】
知的な機械（特にコンピュータ）によって人工的に作られた人間のような知能，あるいはそれを作る技術のことを人工知能（AI: Artificial Intelligence）といいます．一方，与えられたデータを元に学習し，自律的に法則やルールを見つけ出す手法は機械学習と呼ばれ，人工知能を開発するための重要な手法の一つになっています．
この演習では，機械学習が得意とする「予測」「判別」「分類」「識別」について，これらを実現するための理論を学び，コンピュータへの実装を実習することによって，機械学習を体験することがテーマです．
コンピュータへの実装は，簡単のためExcelの表計算およびVBAマクロを用いて行います． |
習得できる知識・能力や授業の
目的・到達目標 |
(1) 人工知能，機械学習に関する知識を修得します．
(2) Excel，VBAマクロによってデータを分析する手法，情報活用能力を身につけます．
(3) グループワークによって，コミュニケーション能力や能動的に学習できる能力を伸ばします．
(4) 代表者によるグループワークの発表によって，効果的な発表方法を身につけます．
|
授業計画・内容
授業方法 |
第 1回 基礎ゼミナールガイダンス
第 2回 キックオフ（本ゼミナールの進め方，機械学習の基本，自己紹介）
第 3回 重回帰分析による「予測」（講義と実習）
第 4回 重回帰分析による「予測」（グループワーク）
第 5回 重回帰分析による「予測」（代表者の発表および討論）
第 6回 サポートベクターマシンによる「判別」（講義と実習）
第 7回 サポートベクターマシンによる「判別」（グループワーク）
第 8回 サポートベクターマシンによる「判別」（代表者の発表および討論）
第 9回 VBAマクロ入門
第10回 k平均法による「分類」（講義と実習）
第11回 k平均法による「分類」（グループワーク）
第12回 k平均法による「分類」（代表者の発表および討論）
第13回 ニューラルネットワークによる「識別」（講義と実習）
第14回 ニューラルネットワークによる「識別」（グループワーク）
第15回 ニューラルネットワークによる「識別」（代表者の発表および討論）
グループワークは，原則として4人のグループで行います．
代表者の発表は，全員が必ず1回以上行います． |
| 授業外学習 |
以下の授業外学習を課します．
(1) 授業時間内で終了できなかったグループワーク
(2) 代表者発表の準備 |
| テキスト・参考書等 |
テキストは使いません．
参考書：涌井良幸，涌井良美著，Excelでわかる機械学習超入門，技術評論社，2019．
中井悦司著，ITエンジニアのための機械学習入門，技術評論社，2015． |
| 成績評価方法 |
グループワークの課題（グループ単位で評価）：15% × 4回 = 60%
グループワークの発表（発表者のみを評価）：20%
討論への参加度とその内容：20%
グループワークの課題内容，発表の評価はルーブリックの基準をもとに行います
|
質問受付方法
(オフィスアワー等) |
オフィスアワーは設定しませんので，いつでも気軽にアクセスしてください．
メールで質問するか，メールでアポイントをとってZoomまたは研究室で行います
研究室：3号館413室
メールアドレス：hideak@tmu.ac.jp |
特記事項
(他の授業科目との関連性) |
文理を問わず，すべての学部の学生諸君を歓迎します．
ただし，専門科目で機械学習を本格的に学ぶ情報科学科の方はご遠慮ください． |
| 備考 |
|
シラバス照会