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Ⅱ 作成日 2024/03/12
区分 必修 講義/実習
開催時期 2年次 前期
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 代表的な教師あり学習・教師なし学習のアルゴリズムについて、基礎的な知識と実装方法を習得することを目的とする。
到達目標 代表的な教師あり学習及び教師なし学習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代表的な教師あり学習のアルゴリズムについて説明出来ること。 ②代表的な教師なし学習の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Ⅱ、機械学習Ⅲ、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 バックプロパゲーションについて説明出来る。バックプロパゲーションによるアルゴリズムについて説明出来る。  バックプロパゲーション (1):バックプロパゲーションの長所を踏まえた上で、シンプルなニューラルネットワークに関するバックプロパゲーションのアルゴリズムについて学習する。 
【理解度確認】練習問題
2 バックプロパゲーションによるアルゴリズムについて説明出来る。  バックプロパゲーション (2):一般的なバックプロパゲーションのアルゴリズムについて学習する。 
【理解度確認】練習問題
3 正規化の目的と効果について説明出来る。  正規化:データの正規化の必要性を踏まえた上で、正規化の各種方法および特徴と用途について学習する。 
【理解度確認】練習問題
4 データセット分割の各種方法について説明出来る。  データセットの分割手法:データセットの分割手法について学習する。ここでは、hold-out法、k-cross validation、leave-one out法について学習する。 
【理解度確認】練習問題
5 モデルの複雑性について説明出来る。モデルの複雑性とフィッティングの関係について説明出来る。  モデルの複雑性と汎化性能 (1):モデルの複雑性と汎化性能について学習する。 
【理解度確認】練習問題
6 過学習とは何かを説明出来る。過学習となる状況を把握できる。  モデルの複雑性と汎化性能 (2):シミュレーションにより、過学習が発生する状況について学習する。 
【理解度確認】練習問題
7 正則化の目的と方法について説明出来る。代表的な正規化について説明出来る。  モデルの複雑性と汎化性能 (3):正則化の目的と効果について学習する。代表的な正則化(L1正則化、L2正則化、ElasticNet、等)について学習する。 
【理解度確認】練習問題
8 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
9 回帰とは何かを説明出来る。回帰モデルの種類について説明出来る。  回帰 (1):機械学習のタスクの一つである回帰について学習する。ここでは、回帰モデルの種類(一般線形モデル、一般化線形モデル)について学習する。 
【理解度確認】練習問題
10 最小二乗法について説明出来る。  回帰 (2):回帰モデルの評価と最小二乗法について学習する。ニューラルネットワークで回帰問題を取り扱う方法について学習する。 
【理解度確認】練習問題
11 ロジスティック回帰について説明出来る。  分類 (1):機械学習のタスクの一つである分類について学習する。ここでは、2値分類を取り上げ、ロジスティック回帰について学習する。 
【理解度確認】練習問題
12 2値分類の性能評価とその指標について説明出来る。  分類 (2):2値分類の性能評価について学習する。 
【理解度確認】練習問題
13 SVMで取り扱い可能な問題について説明出来る。SVMのアルゴリズムについて説明出来る。  分類 (3):SVMについて学習する。SVMの分類問題、回帰問題への適用について学習する。SVMの最適化の方法について学習する。 
【理解度確認】練習問題
14 ニューラルネットワークによる多クラス分類の方法について説明出来る。  分類 (4):多クラス分類問題における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
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