学部・大学院区分情報学部
時間割コード1001119
科目区分
専門科目(コンピュータ科)関連専門科目(自然，人社)
科目名　【日本語】機械学習
科目名　【英語】Machine Learning
コースナンバリングコード
担当教員　【日本語】森　健策 ○
担当教員　【英語】MORI Kensaku ○
単位数2
開講期・開講時間帯春１期 木曜日 １時限
春１期 木曜日 ２時限
Spring1 Thu 1
Spring1 Thu 2
対象学年３年
3
授業形態講義及び演習
開講系（学部）・開講専攻（大学院）
CS共通
必修・選択
ＣＳ(知能)必修


授業の目的　【日本語】
音声，画像，文字などを高精度で認識する機械学習技術の基本的な考え方，識別理論，学習理論およびそれらのアルゴリズムを習得する。本講義では，機械学習における識別関数，パラメトリック学習，ノンパラメトリック学習，誤差評価に基づく学習，識別関数の設計と最適化，特徴評価とベイズ誤り，機械学習における特徴空間変換，KL展開，線形判別法，部分空間法，期待損失最小化学習，ベイズ決定則，ニューラルネットワークなどについて学修する。
授業の目的　【英語】
到達目標　【日本語】
音声，画像，文字などを高精度で認識する機械学習技術の基本的な考え方，識別理論，学習理論およびそれらのアルゴリズムを習得する。この講義により機械学習の基本について理解するとともに，他科目での演習，学生実験，卒業研究へと発展できるようにする。
到達目標　【英語】
To learn the basic concept, discrimination theory, learning theory and their algorithms of machine learning technology which recognizes speech, images, characters, etc. with high accuracy. Through this lecture, students will be able to understand the basics of machine learning and develop and expand it to other subjects, experiments, and graduation research.
授業の内容や構成
本講義では，機械学習における識別関数，パラメトリック学習，ノンパラメトリック学習，誤差評価に基づく学習，識別関数の設計と最適化，特徴評価とベイズ誤り，機械学習における特徴空間変換，KL展開，線形判別法，部分空間法，期待損失最小化学習，ベイズ決定則，ニューラルネットワークなどについて学修する。

1. ガイダンス
2. 機械学習における識別関数
3. パラメトリック学習とノンパラメトリック学習
4. 誤差評価に基づく学習
5. 識別関数の設計と最適化
6. 機械学習における特徴空間変換
7. 特徴評価とベイズ誤り
8. ベイズ決定則
9. 部分空間法
10. ニューラルネットワーク
11. 総括
履修条件・関連する科目
成績評価の方法と基準
講義中に与える演習課題の評価45％，期末試験55％，合計100点満点で60点以上を合格とする。
教科書・参考書
教科書　石井 健一郎, 前田 英作, 上田 修功, 村瀬 洋：わかりやすいパターン認識，オーム社。
参考書　山下 隆義：イラストで学ぶ ディープラーニング 改訂第2版 ，講談社。
線形代数学Ⅰ，Ⅱ，微分積分学Ⅰ，Ⅱ，確率統計及び演習を受講済みであることが望ましい。
課外学習等（授業時間外学習の指示）
講義において説明した理論を理解するために課題を与える。
授業開講形態等
遠隔授業（オンデマンド型）で行う場合の追加措置