| 授業の目標と概要 |
| 近年，ビックデータ時代到来というキーワードとともに機械学習という言葉が注目されている。我々人間は日々， |
| 五感から得られるさまざまな情報から，事象の背後にある何らかの規則性を見出し，対象を分類したり未来を予測し |
| たりする能力を獲得していく。こうした能力をコンピュータに与えることを目指したものが機械学習と言える。本講 |
| 義では機械学習の基礎となる代表的アルゴリズムについて演習も交えながら学び，機械学習の背後にある基本的考え |
| 方を身につける。 |
|
| カリキュラムにおける位置づけ |
| 微分積分，線形代数，確率統計等の数学の基本的知識を活用しながら，近年の機械学習技術の代表的アルゴリズムと |
| 基本的考え方について学んでいく。 |
|
|
|
| １．機械学習とは何か |
2 |
| 教師あり学習と教師なし学習，そして汎化能力について |
|
|
|
| ２．機械学習の代表アルゴリズム |
|
| （１）教師あり学習 |
6 |
| ・回帰分析：数値を予測するアルゴリズム |
|
| 最小二乗法 |
|
| 最尤推定法 |
|
|
|
| ・分類問題：新規データを分類するアルゴリズム |
|
| パーセプトロン |
|
| ロジスティック回帰 |
|
|
|
| （２）教師なし学習 |
2 |
| ・クラスタリングの基礎 ｋ平均法アルゴリズム |
|
|
|
| ３．演習 |
20 |
| 上記のアルゴリズムを実際に演習問題に適用し問題を解く。そのアルゴリズムを適用した過程や，シミュ |
|
| レーションして試した結果，更に「どのような考え方に基づいて，何を計算しているのか」等の考察をレ |
|
| ポートにまとめる。 |
|
|
|
|
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
|
| 教科書 |
|
ITエンジニアのための機械学習理論入門（中井悦司，技術評論社）
|
|
| 補助教科書 |
|
入門 パターン認識と機械学習（後藤正幸，小林学 コロナ社）
|
|
| 履修上の注意 |
|
履修するうえで、微分積分，線形代数，確率統計の基本知識を必要とする。
|
|
| 評価基準 |
|
機械学習の代表的アルゴリズムを理解しそれらを基本的な演習問題に適用でき，機械学習の基本的な考え方を理解しているか。
|
|
| 評価法 |
|
| 学習・教育目標 |
東京高専 |
|
JABEE |
|
