日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
理学部/College of ScienceCollege of Science |
| 科目コード等/ Course CodeCourse Code |
CA454/CA454CA454 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
機械学習 |
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
金2/Fri.2 Fri.2 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
MAT3420 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
This course aims to help students understand the basic framework of machine learning and use typical methods.
We describe the framework of machine learning in terms of loss functions, parameter optimization, and overlearning. Next, we introduce typical methods such as the kernel method and support vector machine. In the second half of the class, we will explain the details (such as the stochastic gradient descent method, the backpropagation method, and the auto-encoder) of neural networks. We also show examples of the use of machine learning tools.
| 1 | 機械学習の概要 |
| 2 | 損失関数(その１) -- 二乗誤差 |
| 3 | 損失関数(その２) -- KL情報量 |
| 4 | ベイズ推定 |
| 5 | 過学習(多項式曲線の実例、訓練誤差・テスト誤差、損失の期待値) |
| 6 | カーネル法(理論と実装) |
| 7 | 判別分析(線形判別、クロスエントロピー) |
| 8 | サポートベクトルマシン |
| 9 | ニューラルネットワーク |
| 10 | 確率的勾配効果法 |
| 11 | 誤差逆伝播法 |
| 12 | 次元削減 |
| 13 | 畳み込みニューラルネットワーク |
| 14 | 再帰型ニューラルネットワーク |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
機械学習のプログラムのサンプルコードを提示しながら、授業を進める予定です。予習・復習では、サンプルコードを自分の環境で動かしてみたり、各自が興味のあるデータをサンプルコードを使って分析してみたりしてください。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| レポート試験 (Report Exam) | 60 | |
| 平常点 (In-class Points) | 40 |
レポート(40%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 岡谷貴之 | 『深層学習』 | 講談社 | 2015 | 9784061529021 |
| 2 | 金森敬文 | 『統計的学習理論』 | 講談社 | 2015 | 9784061529052 |
| 3 | C.M. ビショップ | 『パターン認識と機械学習 上』 | 丸善出版 | 2012 | 9784621061220 |
| 4 | C.M. ビショップ | 『パターン認識と機械学習 下』 | 丸善出版 | 2012 | 9784621061244 |
機械学習について基本的な枠組みを理解し、代表的な手法を使えるようになること。
This course aims to help students understand the basic framework of machine learning and use typical methods.
損失関数、パラメータの最適化、過学習などの機械学習の枠組みを解説した後、カーネル法、サポートベクトルマシンなどの代表的な手法について紹介する。授業の後半では、ニューラルネットワークについての詳細(確率的勾配効果法、誤差逆伝播法、次元削減など)を解説する。また、授業では機械学習のツールの利用例も紹介する。
We describe the framework of machine learning in terms of loss functions, parameter optimization, and overlearning. Next, we introduce typical methods such as the kernel method and support vector machine. In the second half of the class, we will explain the details (such as the stochastic gradient descent method, the backpropagation method, and the auto-encoder) of neural networks. We also show examples of the use of machine learning tools.
| 1 | 機械学習の概要 |
| 2 | 損失関数(その１) -- 二乗誤差 |
| 3 | 損失関数(その２) -- KL情報量 |
| 4 | ベイズ推定 |
| 5 | 過学習(多項式曲線の実例、訓練誤差・テスト誤差、損失の期待値) |
| 6 | カーネル法(理論と実装) |
| 7 | 判別分析(線形判別、クロスエントロピー) |
| 8 | サポートベクトルマシン |
| 9 | ニューラルネットワーク |
| 10 | 確率的勾配効果法 |
| 11 | 誤差逆伝播法 |
| 12 | 次元削減 |
| 13 | 畳み込みニューラルネットワーク |
| 14 | 再帰型ニューラルネットワーク |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
機械学習のプログラムのサンプルコードを提示しながら、授業を進める予定です。予習・復習では、サンプルコードを自分の環境で動かしてみたり、各自が興味のあるデータをサンプルコードを使って分析してみたりしてください。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| レポート試験 (Report Exam) | 60 | |
| 平常点 (In-class Points) | 40 |
レポート(40%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 岡谷貴之 | 『深層学習』 | 講談社 | 2015 | 9784061529021 |
| 2 | 金森敬文 | 『統計的学習理論』 | 講談社 | 2015 | 9784061529052 |
| 3 | C.M. ビショップ | 『パターン認識と機械学習 上』 | 丸善出版 | 2012 | 9784621061220 |
| 4 | C.M. ビショップ | 『パターン認識と機械学習 下』 | 丸善出版 | 2012 | 9784621061244 |