| 授業方針・テーマ |
与えられたデータを元に学習し，自律的に法則やルールを見つけ出す手法は機械学習と呼ばれ，人工知能を開発するための重要な手法の一つになっている．この授業では，機械学習が得意とする「予測」「判別」「分類」「識別」等について，これらを実現するための理論を学び，コンピュータへの実装を実習することによって，機械学習を体験する．コンピュータへの実装は，簡単のためExcelのソルバー，VBAマクロ，およびPythonのモジュールを用いて行う．
また，機械学習では，統計学や最適化の数学が多用されるので，数式のもつ本質的な意味を理解し，今後の研究活動や実務において，機械学習の考え方が活かせるようになることを目指す．
|
習得できる知識・能力や授業の
目的・到達目標 |
科学的方法論として近年進展の著しい機械学習について，その枠組みと考え方を理解し，さらに機械学習の基礎を成す数理的基礎を理解する．その過程で，数式の読み解き方などの基本的な技術も学習する．また，機械学習を実装するための基礎的な技術を習得する．それによって，研究活動や実務における数理的解析力と問題解決力を習得する．
|
授業計画・内容
授業方法 |
【授業計画・内容】
１．授業の概要，回帰分析
２．線形回帰，多項式回帰
３．最尤推定法
４．最適化の基礎
５．サポートベクターマシン
６．パーセプトロンとロジステック回帰
７．課題発表1
８．VBAによるマクロ作成
９．K平均法
１０．ニューラルネットワーク
１１．ニューラルネットワークの実装
１２．深層学習
１３．EMアルゴリズム
１４．課題発表2
１５．まとめ
【授業方法】
テキストの要点をまとめたスライドによる講義形式を基本とする．スライドはkibacoから利用できる形とする．講義で学んだ手法を用いて各自が機械学習を実践する課題を２回課し，その発表および質疑応答も行う．また、機械学習を実践するに必要なExcelのソルバーおよびVBAマクロについてもスライドで解説する．
|
| 授業外学習 |
講義の直後に，講義のスライド，テキスト等を読んで講義内容を確実に理解する．
各自の興味のある問題に対して，機械学習を実践し，その結果を発表する準備を行う． |
| テキスト・参考書等 |
【テキスト】
・中井悦司：ITエンジニアのための機械学習理論入門，技術評論社, 2015.
【機械学習の参考書】
・涌井良幸他：Excelでわかる機械学習超入門，技術評論社，2019．
・岡谷貴之：深層学習，講談社，2015.
【最適化の参考書】
・寒野善博：最適化手法入門，講談社，2019.
・梅谷俊治：しっかり学ぶ数理最適化，講談社，2020.
・藤澤克樹, 後藤順哉, 安井雄一郎：Excelで学ぶＯＲ，オーム社, 2011.
【Pythonによる機械学習アルゴリズムの参考書】
・神野健哉：Pythonでプログラミングして理解する機械学習入門アルゴ
リズム，近代科学社，2022．
・S. Raschka他：Python 機械学習プログラミング，インプレス，2020.
・橋本泰一：データ分析のための機械学習入門，SB Creative，2017.
・A.C.Muller他：Pythonではじめる機械学習，オーム社，2017． |
| 成績評価方法 |
授業中の質問・討論，課題の発表・質疑応答により評価する．
|
質問受付方法
(オフィスアワー等) |
授業内容の質問については，まず質問者がメールで教員に連絡し，必要があれば教員が面談の日時を質問者と相談の上設定する方式をとる（オンラインでも対応します）．
【連絡先】hideak@tmu.ac.jp |
特記事項
(他の授業科目との関連性) |
【前提知識】
統計学と最適化理論の基礎事項を一通り習得していることが望ましい．
|
| 備考 |
|
シラバス照会