授業の目的 【日本語】
Goals of the Course(JPN) | | | 本講義では，AI（人工知能）システムの数理的基盤となるデータサイエンスと機械学習の基礎、及び、発展的トピックを学ぶ。 |
|
|
授業の目的 【英語】
Goals of the Course | | | In this lecture, we will learn the mathematical foundation of data science and machine learning that forms the basis of AI (artificial intelligence) systems. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN)) | | |
|
到達目標 【英語】
Objectives of the Course | | | Acquire the basic knowledge of data science and machine learning. |
|
|
バックグラウンドとなる科目【日本語】
Prerequisite Subjects | | |
|
バックグラウンドとなる科目【英語】
Prerequisite Subjects | | |
|
授業の内容【日本語】
Course Content | | 以下の講義内容のうち、各自の知識と興味に基づいて、選択的に学ぶ。
注１：機械・機械・航空宇宙工学科で、2023年開講の数値解析法，動的システム論を受講済である学生は、重複する内容を選択できない（詳細はTACTで周知する）。
注２：以下のトピックの一部は開講されない可能性もある。
線形モデルと最小二乗法
線形単回帰分析
確率モデル
仮説検定
線形モデルの行列・ベクトル表現
線形重回帰分析
最尤推定法
ロジスティック回帰分析
高次元モデルと非線形モデル
過学習と正則化
モデルの選択と評価
実験計画法
正則化と特徴選択
スパースモデリング
ベイズモデリング
クラスタリング
主成分分析
確率密度推定
統計的決定理論
選択バイアスと多重検定
相関と因果
異常検知
時系列データの学習
強化学習
非線形モデリングの基礎
加法モデル
決定木
バギングとブースティング
ニューラルネットワークの基礎
非線形最適化
サポートベクトルマシン
凸最適化
カーネル法
カーネルサポートベクトルマシン
ガウス過程モデル
能動学習とベイズ最適化 |
|
|
授業の内容【英語】
Course Content | | Selectively learn the following lecture contents based on each student's knowledge and interests.
Note 1: Students who have taken the numerical analysis course and dynamical system course offered in 2023 in the Department of Mechanical and Aerospace Engineering cannot select overlapping contents (details will be communicated at TACT).
Note 2: Some of the following topics may not be offered in this semester.
Linear Model and Least Squares
Linear Simple Regression Analysis
Probabilistic Model
Hypothesis Testing
Matrix and Vector Representation of Linear Models
Linear Multiple Regression Analysis
Maximum Likelihood Estimation
Logistic Regression Analysis
High-Dimensional and Nonlinear Models
Overfitting and Regularization
Model Selection and Evaluation
Experimental Design
Regularization and Feature Selection
Sparse Modeling
Bayesian Modeling
Clustering
Principal Component Analysis
Probability Density Estimation
Statistical Decision Theory
Selection Bias and Multiple Testing
Correlation and Causality
Anomaly Detection
Learning from Time Series Data
Reinforcement Learning
Basics of Nonlinear Modeling
Additive Models
Decision Trees
Bagging and Boosting
Basics of Neural Networks
Nonlinear Optimization
Support Vector Machines
Convex Optimization
Kernel Methods
Kernel Support Vector Machines
Gaussian Process Models
Active Learning and Bayesian Optimization |
|
|
成績評価の方法と基準【日本語】
Course Evaluation Method and Criteria | | |
|
成績評価の方法と基準【英語】
Course Evaluation Method and Criteria | | | Evaluate the grade based on the submission of the assignments. |
|
|
履修条件・注意事項【日本語】
Course Prerequisites / Notes | | | 空白を含む講義スライドを配布し，そこに書き込みながら講義を実施する．受講者は受講時に講義スライドを印刷するか，タブレットPCなどを準備して，書き込みができるようにしておくことが望ましい。 |
|
|
履修条件・注意事項【英語】
Course Prerequisites / Notes | | | The lecture will be conducted by distributing blank lecture slides and writing on them during the lecture. It is preferable for the students to print out the lecture slides during the class or prepare a tablet PC, etc. |
|
|
教科書【日本語】
Textbook | | |
|
教科書【英語】
Textbook | | | Lecture materials will be provided. |
|
|
参考書【日本語】
Reference Book | | 統計的学習の基礎 ―データマイニング・推論・予測（共立出版 2014）
パターン認識と機械学習上・下（丸善出版 2012） |
|
|
参考書【英語】
Reference Book | | Elements of statistical learning 2nd ed. (Trevor Hastie et al., Springer)
Pattern recognition and machine learning (Christopher M. Bishop, Springer) |
|
|
授業時間外学習の指示【日本語】
Self-directed Learning Outside Course Hours | | |
|
授業時間外学習の指示【英語】
Self-directed Learning Outside Course Hours | | | Working on the assigned exercises. |
|
|
使用言語【英語】
Language used | | |
|
使用言語【日本語】
Language used | | |
|
授業開講形態等【日本語】
Lecture format, etc. | | |
|
授業開講形態等【英語】
Lecture format, etc. | | | The lecture video will be available on demand. |
|
|
遠隔授業（オンデマンド型）で行う場合の追加措置【日本語】
Additional measures for remote class (on-demand class) | | |
|
遠隔授業（オンデマンド型）で行う場合の追加措置【英語】
Additional measures for remote class (on-demand class) | | | Refer to TACT for more details. |
|
|