日本語 English
| 開講年度/ Academic YearAcademic Year |
20232023 |
| 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 |
VR101/VR101VR101 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 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) |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
火6･4339/Tue.6･4339 Tue.6･4339 |
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR5110 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 備考/ NotesNotes |
|
| テキスト用コード/ Text CodeText Code |
VR101 |
The purpose of this course is to help students understand machine algorithms correctly so they can appropriately apply machine learning. Students will also learn the essential elements required to improve the algorithm on their own.
Initially, students will learn how various machine learning algorithms are designed mathematically. They will subsequently intensify their understanding by actually coding algorithms using Python. At the same time, they will imbibe efficient machine learning practices by using libraries. Practical learning, such as data preprocessing and tweaks, will also be introduced.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
機械学習アルゴリズムの正確な理解に基づいて、適切に機械学習を応用できるようになる。さらにそれによって、自身でアルゴリズムを調整・改良するための基礎を固める。
The purpose of this course is to help students understand machine algorithms correctly so they can appropriately apply machine learning. Students will also learn the essential elements required to improve the algorithm on their own.
さまざまな機械学習アルゴリズムがどのような数理的仕組みで設計されているのかを理解する。また、実際にアルゴリズムをPythonでコーディングすることによってさらに理解を深める。それと同時にライブラリーを使い、効率的に機械学習を実践するための手順も学ぶ。データの前処理や細かな工夫など、実務的な知識も紹介する。
Initially, students will learn how various machine learning algorithms are designed mathematically. They will subsequently intensify their understanding by actually coding algorithms using Python. At the same time, they will imbibe efficient machine learning practices by using libraries. Practical learning, such as data preprocessing and tweaks, will also be introduced.
| 1 | 機械学習の歴史と現在 |
| 2 | データと前処理、機械学習の実務におけるワークフロー |
| 3 | 回帰１：単回帰と勾配降下法による学習 |
| 4 | 回帰モデルの実装１ |
| 5 | 回帰２：重回帰・多項式回帰と特徴量工学 |
| 6 | 回帰モデルの実装２ |
| 7 | ロジステジック回帰 |
| 8 | ロジステジック回帰の実装 |
| 9 | ソフトマックス回帰 |
| 10 | サポートベクトルマシン１ |
| 11 | サポートベクトルマシン２ |
| 12 | ソフトマックス回帰とサポートベクトルマシンの実装 |
| 13 | 決定木とアンサンブル法 |
| 14 | アンサンブル法の実装 |
基本的な数学（級数の和、ベクトルと行列、微分法、確率、統計の基礎）を復習しておくことが望ましい。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
三回程度のレポート(100%) |
| 備考 (Notes) | ||
なし/None
本科目は、5年以上の実務経験を有する実務家教員による授業である。