日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
理学部/College of ScienceCollege of Science |
| 科目コード等/ Course CodeCourse Code |
CB112/CB112CB112 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
機械学習のためのデータ解析 (Data Analysis for Machine Learning) |
| 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 |
月3/Mon.3 Mon.3 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 |
PHY2710 |
| 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 |
The goal of this class is to be able to explain the principle of data analysis used in machine learning and to realize them by computer programs.
This class will explain the basic principles of data analysis methods used in machine learning and how to implement those analysis methods using C language programs.
| 1 | データ解析と機械学習について |
| 2 | C言語によるcsvデータの入出力 |
| 3 | C言語によるcsvデータの可視化 |
| 4 | 人工知能（AI）について |
| 5 | 教師あり学習～線形回帰モデルについて |
| 6 | 教師あり学習～多項式回帰モデルについて |
| 7 | 回帰モデルの実現 |
| 8 | 教師あり学習～正則化について |
| 9 | 正則化の実現 |
| 10 | 教師あり学習～分類について |
| 11 | ロジスティック回帰の実現 |
| 12 | 教師なし学習～クラスタリングについて |
| 13 | クラスタリングの実現 |
| 14 | 教師なし学習～次元削減について |
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
プログラミング言語としてC言語を中心に利用するため，C言語に関して復習が必要である．特に，配列変数やforループを使った配列変数の操作について学習しておくとよい．また，演習問題の提出期限が過ぎた後にそのプログラムの解答例を示すので，その解答例と自分の作成したプログラムを比較するとプログラムの能力が向上するので，復習に活用して欲しい．授業内で実施する演習問題については，次回の授業までに取り組み，分からないところ，うまくいかないところをその授業内で質問できるよう準備しておくとよい．
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内に実施する演習問題(80%) PCの環境設定とPCの操作(20%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| Canvas LMSシステムを使って資料を配布する． (Materials are distributed using the Canvas LMS system.) |
プログラミングの実習を授業時間外にも実施できるように各自のPCにプログラミング環境を構築して授業を行いますので，PCを準備してください．
機械学習に用いられるデータ解析の原理を説明でき，それらをコンピュータプログラムによって実現できる．
The goal of this class is to be able to explain the principle of data analysis used in machine learning and to realize them by computer programs.
この授業では，機械学習で用いられるデータ解析方法の基本原理について学習するとともに，それらの解析手法をC言語によるプログラムで実現する方法について体験的に学習する．プログラミングは，各自のPC上にgcc，および，GTKをインストールし，その環境で実施する．
This class will explain the basic principles of data analysis methods used in machine learning and how to implement those analysis methods using C language programs.
| 1 | データ解析と機械学習について |
| 2 | C言語によるcsvデータの入出力 |
| 3 | C言語によるcsvデータの可視化 |
| 4 | 人工知能（AI）について |
| 5 | 教師あり学習～線形回帰モデルについて |
| 6 | 教師あり学習～多項式回帰モデルについて |
| 7 | 回帰モデルの実現 |
| 8 | 教師あり学習～正則化について |
| 9 | 正則化の実現 |
| 10 | 教師あり学習～分類について |
| 11 | ロジスティック回帰の実現 |
| 12 | 教師なし学習～クラスタリングについて |
| 13 | クラスタリングの実現 |
| 14 | 教師なし学習～次元削減について |
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
プログラミング言語としてC言語を中心に利用するため，C言語に関して復習が必要である．特に，配列変数やforループを使った配列変数の操作について学習しておくとよい．また，演習問題の提出期限が過ぎた後にそのプログラムの解答例を示すので，その解答例と自分の作成したプログラムを比較するとプログラムの能力が向上するので，復習に活用して欲しい．授業内で実施する演習問題については，次回の授業までに取り組み，分からないところ，うまくいかないところをその授業内で質問できるよう準備しておくとよい．
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内に実施する演習問題(80%) PCの環境設定とPCの操作(20%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| Canvas LMSシステムを使って資料を配布する． (Materials are distributed using the Canvas LMS system.) |
プログラミングの実習を授業時間外にも実施できるように各自のPCにプログラミング環境を構築して授業を行いますので，PCを準備してください．