授業科目名 （英文名） 機械学習 （社会情報・専門科目） (M achine Learning) 科目区分 対象学生 ※ 単位数 2.00 開講年次・ 学期 3年次・前期 担当教員 川嶋 宏彰 所属 社会情報科学部 ｵﾌｨｽｱﾜｰ・場所 ※ 連絡先 ※ 講義目的及び到達目標 講義目的：本講義では、機械学習の代表的アルゴリズムについて学ぶとともに、実デ ータに適用するための基礎知識の習得を目的とする。 到達目標：教師あり学習による回帰や分類、教師なし学習、深層学習などの知識を身 につけるとともに、Pythonで機械学習を利用する方法を習得する。 講義内容・授業計画 Ⅰ講義内容 本講義では、様々な問題を解くためのモデルを大量のデータから自動的に構築する手 法である機械学習について概説する。教師あり（回帰と分類）、教師なし学習、ディ ープラーニング（深層学習）などの手法を学ぶとともに、実際のデータへの適用を通 して、ハイパーパラメータのチューニング、転移学習、モデルの評価手法を含む機械 学習の実践的な能力を身につけることを目指す。 Ⅱ授業計画 （各トピックは進行の目安であり多少の前後や他の話題の講義がある。） １．機械学習の概要 ２．教師なし学習 ３．教師あり学習（回帰モデル） ４．教師あり学習（分類モデル） ５．アンサンブル学習（集団学習） ６．演習1 ７．ニューラルネットの基礎 ８．ディープラーニング（深層学習） ９．演習2 １０．畳み込みニューラルネット １１．演習3 １２．生成モデル １３．系列データを扱うモデル １４．強化学習 １５．まとめと発展的話題 定期試験 テキスト 荒木雅弘: フリーソフトではじめる機械学習入門 第２版, 森北出版 (2018)（生協等で購 入する） その他、配布資料あり 参考文献 八谷大岳: ゼロから作るPython機械学習プログラミング入門, 講談社 (2020) 平井有三: はじめてのパターン認識, 森北出版 (2012) 成績評価の基準・方法 教師あり学習による回帰や分類、教師なし学習、深層学習などの機械学習の基礎知識 を身につけるとともに、実際に機械学習を利用できること。 成績評価の方法 レポート・小テスト60％、定期試験40％を基準として総合的に評価する。 履修上の注意・履修要件 ・毎回の講義ではノートPCを利用することがあるため持ち込むこと。 ・履修にあたっては、「線形代数I」、「微積分I」、「確率・統計」、「プログラミン グI」、「プログラミングII」、「データマイニング」を履修済みであることが望まし い。 ・授業中に指示した宿題や事前・事後学習はもとより、十分な予習・復習をして講義 に出席すること。 ≪新型コロナウィルス感染症に伴う特例措置に基づく遠隔授業≫
・当授業は、原則全ての授業を対面で実施する予定ですが、履修者人数によっては、 新型コロナウィルス感染症対策として、履修者を複数の教室に分けて教室間をオンラ インで繋ぐ方法や、対面授業と自宅でのオンライン授業を隔週実施する方法とする場 合があり、自宅等でオンライン授業の受講を視聴できる通信環境(PC・タブレット等の 端末やWi-Fi環境)が必要となる場合があります。最終的な授業方法は履修登録後に決定 ・連絡します。 実践的教育 該当しない。 備考
