1. トップ
  2. 学校紹介
  3. 情報公開
  4. 学科情報
  5. シラバス - 科目一覧

シラバス

AIシステム科 2024年度入学生

科目名 機械学習Ⅰ 作成日 2024/03/12
区分 必修 講義/実習
開催時期 1年次 後期
講義・演習駒数/週 1駒
実習・実験駒数/週 1駒
合計駒数/週 2駒
総時間数 60時間
総単位数 3単位
企業連携
授業の目的 機械学習の目的と構成および機械学習で取り扱う問題を踏まえた上で、ニューラルネットワークのアルゴリズムおよび勾配降下法をベースとした学習アルゴリズムの習得を目的とする。
到達目標 機械学習について説明出来る。 ニューラルネットワークのアルゴリズムおよび勾配降下法をベースとした学習アルゴリズムについて説明出来る。

評価項目 ①定期テスト ②小テスト ③レポート ④課題 ⑤作品 ⑥ポートフォリオ ⑦成果発表 ⑧その他
割合 60% 40%  %  %  %  %  %  %
評価基準
①機械学習について説明出来ること。 ②ニューラルネットワークの構造を説明出来ること。 ③勾配降下法をベースとした学習アルゴリズムについて説明出来ること。
※上記に示した評価項目の割合(%)を基準に、総合評価点を算出して成績評価を行う。
※出席率が80%未満の場合は、評価対象としない。

担当教員 福田 竜郎・石黒 元康
テキスト・参考文献 オリジナルテキスト
実務経験有無  
研究員として、大規模データの分析および統計学的手法に基づいた理論物理学の研究に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。 
関連科目 AIプログラミングⅠ・Ⅱ、機械学習Ⅱ・Ⅲ、エッジコンピューティングⅠ・Ⅱ、クラウドコンピューティング、卒業研究  履修前提   

授業計画

回数 学習目標 学習項目
1 機械学習とその種類について説明出来る。機械学習が取り扱う問題について説明出来る。  機械学習とは何かを踏まえた上で、機械学習の種類(教師あり学習、教師なし学習、強化学習)と機械学習が取り扱う問題、代表的な機械学習アルゴリズムについて学習する。 
【理解度確認】練習問題
2 ベクトルとは何かを説明出来る。ベクトルの各種計算が出来る。  ベクトルと行列 (1):機械学習で用いる数学について学習する。ベクトルの定義と幾何学的意味、ベクトル同士の演算、スカラーとベクトルの演算、内積について学習する。 
【理解度確認】練習問題
3 行列とは何かを説明出来る。行列の各種計算が出来る。  ベクトルと行列 (2):機械学習で用いる数学について学習する。行列の定義と幾何学的意味、行列同士の演算、スカラーと行列の演算、行列式と逆行列について学習する。 
【理解度確認】練習問題
4 ニューラルネットワークの構造について説明出来る。代表的なアクティベーション関数について説明出来る。  ニューラルネットワーク (1):ニューラルネットワークの種類と基本構造を踏まえた上で、ニューラルネットワークの数理モデルについて学習する。 
【理解度確認】練習問題
5 ニューラルネットワークによる入出力の計算が出来る。  ニューラルネットワーク (2):具体的なニューラルネットワークを例に挙げ、ニューラルネットワークの計算を行う。 
【理解度確認】練習問題
6 ニューラルネットワークによる入出力の計算が出来る。  ニューラルネットワーク (3):具体的なニューラルネットワークを例に挙げ、ニューラルネットワークの計算を行う。 
【理解度確認】練習問題
7 ニューラルネットワークによる入出力の計算が出来る。  ニューラルネットワーク (4):具体的なニューラルネットワークを例に挙げ、ニューラルネットワークの計算を行う。 
【理解度確認】練習問題
8 パーセプトロンについて説明出来る。パーセプトロンの適用限界と拡張可能性について説明出来る。  パーセプトロン (1):パーセプトロンのアルゴリズムについて学習する。具体的には、パーセプトロンで取り扱い可能な問題、幾何学的意味、適応限界、拡張可能性について学習する。 
【理解度確認】練習問題
9 パーセプトロンの学習アルゴリズムについて説明出来る。パーセプトロンの収束定理について説明出来る。  パーセプトロン (2):パーセプトロンの学習アルゴリズムについて学習する。併せて、パーセプトロンの収束定理についても学習する。 
【理解度確認】練習問題
10 確認テストによって理解を確実なものにする。  これまでの学習内容の確認テストを実施する。 
【理解度確認】確認テスト
11 学習の目的について説明出来る。勾配降下法ベースの学習アルゴリズムについて説明出来る。  学習アルゴリズム (1):学習の目的を踏まえた上で、データセットの種類と用途、損失関数、勾配降下法ベースの学習アルゴリズムについて学習する。 
【理解度確認】練習問題
12 確率的勾配降下法について説明出来る。勾配降下法の長所と短所を説明出来る。  学習アルゴリズム (2):確率的勾配降下法の考え方について学習する。併せて、勾配降下法の長所と短所について学習する。 
【理解度確認】練習問題
13 バッチ学習、ミニバッチ学習、オンライン学習について説明出来る。  学習アルゴリズム (3):データセットのバッチ化およびその目的を踏まえた上で、バッチ学習、ミニバッチ学習、オンライン学習について学習する。 
【理解度確認】練習問題
14 代表的な勾配降下法について説明出来る。  学習アルゴリズム (4):代表的な勾配降下法(Momentum、AdaGrad、Adam、RMSpropなど)について学習する。 
【理解度確認】練習問題
15 総合テストによって理解を確実なものにする。  これまでの学習内容の総合テストを実施する。 
【理解度確認】総合テスト