| 授業方針・テーマ |
画像認識や自然言語処理，データマイニングといった様々な情報処理技術の基盤となる機械学習について，基礎理論から深層学習手法まで幅広く解説する． |
習得できる知識・能力や授業の
目的・到達目標 |
人間が自然に行っている統計的学習を正しく理解し，これを計算機で実現するための課題と解決方法を系統的に学習する．さらに，演習を通じて機械学習について実践的に理解を深めることを目的とする． |
授業計画・内容
授業方法 |
（授業計画・内容）
※授業の進み具合等によってスケジュールが変更になる場合もある．
第1回 ガイダンス・機械学習とは
第2回 分類問題（1）
第3回 分類問題（2）
第4回 分類問題（3）
第5回 機械学習のためのデータの前処理
第6回 機械学習モデルの評価とチューニング
第7回 アンサンブル学習
第8回 回帰分析
第9回 多層ニューラルネットワーク（1）
第10回 多層ニューラルネットワーク（2）
第11回 畳み込みニューラルネットワーク（1）
第12回 畳み込みニューラルネットワーク（2）
第13回 リカレントニューラルネットワーク（1）
第14回 リカレントニューラルネットワーク（2）
第15回 まとめ
（授業方法）
教科書をもとに解説する．授業内容に関する問題を適宜課し，理解度を確認する． |
| 授業外学習 |
各回の授業内容について復習，および次回の内容について予習しておくこと． |
| テキスト・参考書等 |
（教科書）
Python機械学習プログラミング [PyTorch & scikit-learn編]（S. Raschkaら著，インプレス 2022） |
| 成績評価方法 |
・演習課題（40%）
・試験（60%）
|
質問受付方法
(オフィスアワー等) |
質問・相談等は随時受け付けるが，事前にメール等で連絡をすること． |
特記事項
(他の授業科目との関連性) |
学科基礎科目：情報数学I，情報数学II，人工知能
学科専門科目：パターン認識，データマイニング
授業中にプログラミング演習を行うため，ノートパソコンを用意して授業に参加すること． |
| 備考 |
|
シラバス照会