日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR426/VR426VR426 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
ハイフレックス/HyFlexHyFlex |
| 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 |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
土2/Sat.2 Sat.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 |
AIR5400 |
| 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 |
－（履修中止制度なし/ No system 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 deals with the mathematical aspect of machine learning through the review how we describe problems mathematically and through the instruction of mathematical techniques used in machine learning algorithms.
For better understanding of the machine learning class, this lecture introduces basic ideas of mathematics such as vector, matrix, derivation, probability and statistics. Outline and solutions of optimization problems, to which many problems are boiled down, are also introduced. If you are not from department of science or engineering in an undergraduate course, or you do not have an experience on numerical calculation using computer program, this course is recommended.
| 1 | 数理科学と機械学習の関係概要 |
| 2 | 高校数学の復習： ベクトル |
| 3 | 高校数学の復習： 微分、積分 |
| 4 | 高校数学の復習： 場合の数、確率 |
| 5 | 行列の計算 |
| 6 | 関数と微分、偏微分 |
| 7 | 多変数関数の勾配 |
| 8 | 確率、統計の基礎 |
| 9 | 情報量の基礎 |
| 10 | 最適化問題(1) 最適化問題の概要 |
| 11 | 最適化問題(2) 制約なし最適化と解法アルゴリズム |
| 12 | 最適化問題(3) 線形計画問題、双対定理 |
| 13 | 最適化問題(4) ラグランジュ未定乗数法 |
| 14 | 最適化問題(5) サポートベクターマシンの数理 |
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
中学数学、高校数学に不安がある場合には、事前に復習しておくことが望ましい。ただし、高校の数学III (2次関数、3次関数以外の微分・積分分野等)、数学C (行列分野等) の事前学習は前提としない。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
3回程度のレポート(100%) |
| 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 | 赤石雅典 | 最短コースでわかる ディープラーニングの数学 | 日経BP | 2019 | 4296102508 |
| 2 | 加藤公一 | 機械学習のエッセンス 実装しながら学ぶPython、数学、アルゴリズム | SBクリエイティブ | 2018 | 4797393963 |
機械学習により取り組む課題をどのように数学的に記述するか、機械学習のアルゴリズムがどのような数学的手法を用いているかを学び、機械学習の数理的側面の理解を深める。
This course deals with the mathematical aspect of machine learning through the review how we describe problems mathematically and through the instruction of mathematical techniques used in machine learning algorithms.
基幹科目「機械学習」で扱うアルゴリズムをより深く理解するため、機械学習で解決したい課題や機械学習アルゴリズムを数学的に記述するのに必要となる、ベクトル、行列、微分法、確率、統計といった数学的トピックの基礎を学ぶ。また、多くの課題が帰着する最適化問題について、その概要及び解法について説明する。数学的問題のコンピュータープログラムによる実装についても適宜紹介する。理工系の学部出身でない学生や、コンピューターによる数値計算の経験がない学生には履修を推奨する。
For better understanding of the machine learning class, this lecture introduces basic ideas of mathematics such as vector, matrix, derivation, probability and statistics. Outline and solutions of optimization problems, to which many problems are boiled down, are also introduced. If you are not from department of science or engineering in an undergraduate course, or you do not have an experience on numerical calculation using computer program, this course is recommended.
| 1 | 数理科学と機械学習の関係概要 |
| 2 | 高校数学の復習： ベクトル |
| 3 | 高校数学の復習： 微分、積分 |
| 4 | 高校数学の復習： 場合の数、確率 |
| 5 | 行列の計算 |
| 6 | 関数と微分、偏微分 |
| 7 | 多変数関数の勾配 |
| 8 | 確率、統計の基礎 |
| 9 | 情報量の基礎 |
| 10 | 最適化問題(1) 最適化問題の概要 |
| 11 | 最適化問題(2) 制約なし最適化と解法アルゴリズム |
| 12 | 最適化問題(3) 線形計画問題、双対定理 |
| 13 | 最適化問題(4) ラグランジュ未定乗数法 |
| 14 | 最適化問題(5) サポートベクターマシンの数理 |
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
中学数学、高校数学に不安がある場合には、事前に復習しておくことが望ましい。ただし、高校の数学III (2次関数、3次関数以外の微分・積分分野等)、数学C (行列分野等) の事前学習は前提としない。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
3回程度のレポート(100%) |
| 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 | 赤石雅典 | 最短コースでわかる ディープラーニングの数学 | 日経BP | 2019 | 4296102508 |
| 2 | 加藤公一 | 機械学習のエッセンス 実装しながら学ぶPython、数学、アルゴリズム | SBクリエイティブ | 2018 | 4797393963 |