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 |
CA178/CA178CA178 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
機械学習入門 |
| 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) |
プログラミング実習を含む |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期他/Spring OthersSpring Others |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
|
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
MAT3430 |
| 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/ Grade (Year) RequiredGrade (Year) Required |
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 |
×（履修中止不可/ Not 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 |
集中講義：日程はR Guide「集中講義日程」を確認すること |
| テキスト用コード/ Text CodeText Code |
CA178 |
The objective of this class is to understand the Machine Learning (ML) algorithms such as regression, classification and clustering in deep, by studying mathematical aspects and by implementing the algorithms in Python, as the core of Artificial Intelligence technology.
Artificial Intelligence technology (AI), which is being widely used in our real life, is based on mathematical knowledge such as differential and integral calculus, and linear algebra. Especially, the machine learning (ML) are the core algorithms which enable computers to learn automatically. In this class, we understand fundamental machine learning including regression, classification and clustering by learning procedures mathematically, and by implementing by Python language.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
人工知能技術(AI)の根幹である機械学習において、回帰・分類・クラスタリング等の具体的なアルゴリズムを数理的な側面とPythonによる実装を通じた実践的側面の両面から学習することで、機械学習を深く理解することを目標とする。
The objective of this class is to understand the Machine Learning (ML) algorithms such as regression, classification and clustering in deep, by studying mathematical aspects and by implementing the algorithms in Python, as the core of Artificial Intelligence technology.
社会での利用が進みつつある人工知能技術(AI)は微分積分や線形代数などの数理的手法を基盤としている。特に機械学習(Machine Learning)は機械自らが学習することを可能とするアルゴリズムであり、AIの根幹的な技術となっている。本授業では、回帰・分類・クラスタリング等の基本的な機械学習アルゴリズムの処理原理を数式を用いて理解するとともに、Python によるプログラミングを通じてその実現方法や性能について学ぶ。
Artificial Intelligence technology (AI), which is being widely used in our real life, is based on mathematical knowledge such as differential and integral calculus, and linear algebra. Especially, the machine learning (ML) are the core algorithms which enable computers to learn automatically. In this class, we understand fundamental machine learning including regression, classification and clustering by learning procedures mathematically, and by implementing by Python language.
| 1 | 機械学習の概要 |
| 2 | Python の概要 |
| 3 | Python の概要 [演習] |
| 4 | 教師あり学習：回帰① |
| 5 | 教師あり学習：回帰① [演習] |
| 6 | 教師あり学習：回帰② |
| 7 | 教師あり学習：回帰② [演習] |
| 8 | 教師あり学習：分類 |
| 9 | 教師あり学習：分類 [演習] |
| 10 | 教師なし学習：クラスタリング |
| 11 | 教師なし学習：クラスタリング [演習] |
| 12 | 教師なし学習：次元圧縮 |
| 13 | 教師なし学習：次元圧縮 [演習] |
| 14 | 機械学習セキュリティ |
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
| 補足事項 (Supplementary Items) |
|---|
| 計算機を用いたプログラミング |
授業時間外の学習に関する指示は，必要に応じて別途指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
小テスト①(15%) 小テスト②(15%) 小テスト③(20%) 小テスト④(15%) 小テスト⑤(15%) 小テスト⑥(20%) |
| 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 | 伊藤真 | あたらしい機械学習の教科書（第３版） | 翔泳社 | 2022 | 9784798171494 |
・微分積分、線形代数、確率の初歩的な内容（必要に応じて授業で補足する）
・Python を用いたプログラミング（必要に応じて授業で補足する）
特になし