授業科目名				担当教員
機械学習特論				服部　元信
時間割番号	単位数	コース	履修年次	期別	曜日	時限
GTK505	2	(未登録)	1,2	前期	火	II
［概要と目標］
[Machine Learning] Based on various information from the outside world, we humans classify a target and find the regularity behind the event. Machine learning is a technology that aims to give these capabilities to a computer, and it is applied in a wide range of fields such as pattern recognition, information retrieval, medical diagnosis, data mining, and so on. This course aims at understanding a fundamental theory and technique of machine learning and being able to apply the machine learning technique to specific problems. 我々人間は，外界から得た様々な情報を基にして，対象を分類する能力や，事象の背後にある規則性を獲得したりしている．機械学習とは，こうした能力をコンピュータに与えることを目指した技術であり，パターン認識，情報検索，医療診断，データマイニングなど幅広い分野で応用されている．本講義では，機械学習の基礎的な理論，手法を理解し，具体的な問題に対して機械学習の手法を適用できるようになることを目標とする． なお，本講義はコンピュータ理工学コースのディプロマポリシーで定めた専門知識・技術(A1)に対応する．
[到達目標]
(1) To be able to explain the classification, the basic procedure, and notes of machine learning methods (2) To be able to explain the similarities and differences among various machine learning methods (3) To be able to apply an appropriate machine learning method to a specific problem (1)機械学習法の分類，基本的な手順，留意すべきことを説明できる． (2)様々な機械学習について相互の共通点や相違点を説明できる． (3)具体的な問題に対して，適切な機械学習の手法を適用できる．
［必要知識・準備］
A grounding in linear algebra, calculus, discrete mathematics, probability and statistics is required 線形代数学，微分積分学，離散数学，確率・統計の知識が必要である．
［評価基準］
No 評価項目 割合 評価の観点 1 試験：期末期  40  % 目標(1)～(3)に関して，機械学習の概要，留意すべきこと，各種の機械学習法についての理解度，並びに，機械学習を具体的な問題に対して適用できるかを評価する．  2 試験：中間期  40  % 目標(1)～(3)に関して，機械学習の概要，留意すべきこと，各種の機械学習法についての理解度，並びに，機械学習を具体的な問題に対して適用できるかを評価する．  3 小テスト／レポート  20  % 目標(3),(4)に関して，機械学習法を具体的な問題に対して適用できるかを評価する．
［教科書］
(未登録)
［参考書］
Trevor Hastie他, 統計的学習の基礎　データマイニング・推論・予測, 共立出版, ISBN:9784320123625 C.M.ビショップ, パターン認識と機械学習　上, シュプリンガー・ジャパン, ISBN:9784431100133 C.M.ビショップ, パターン認識と機械学習　下, シュプリンガー・ジャパン, ISBN:9784431100317 荒木雅弘, フリーソフトではじめる機械学習入門, 森北出版, ISBN:9784627852112 平井有三, はじめてのパターン認識, 森北出版, ISBN:9784627849716
［講義項目］
The class will be given in Japanese, but the materials and examination questions will be in English. On-demand lecture videos will be provided in English. 1. Introduction 2. Linear Regression 3. Linear Discriminant Function 4. Linear Discriminant Analysis 5. Decision Trees 6. Naive Bayes 7. Multilayer Neural Networks 8. Midterm Review and Exam 9. Support Vector Machine 10. Ensemble Learning 11. Deep Learning1: Loss functions, learning methods and their improvement 12. Deep Learning2: Examples of deep neural networks and techniques for improving accuracy 13. Clustering 14. Karhunen-Loeve Expansion 15. Course Review and Final Exam 本科目は英語対応科目であるが，面接授業は日本語で行い，資料や試験問題を英語とする．英語の講義はオンデマンドの動画を提供する．面接授業が実施できる状況にない場合は，ライブ型とオンデマンド型の混用で授業を実施し，試験は対面で実施する予定である． 第1回　機械学習とは 第2回　線形回帰 第3回　線形識別関数 第4回　線形判別 第5回　決定木学習 第6回　ナイーブベイズ 第7回　階層型ニューラルネットワーク 第8回　中間評価 第9回　サポートベクターマシン 第10回　アンサンブル学習 第11回　深層学習1：損失関数，学習法とその改良方法 第12回　深層学習2：ネットワーク構造の例，精度向上のための手法 第13回　クラスタリング　 第14回　KL展開 第15回　総括評価：まとめ
［前年度授業に対する改善要望等への対応］
Ensure that students have opportunities to participate actively in class. 学生が授業に主体的に参加する機会を設けるようにする．