学部・大学院区分
Undergraduate / Graduate
工学部
時間割コード
Registration Code
0856310
科目区分【日本語】
Course Category
専門科目
科目区分【英語】
Course Category
Specialized Courses
科目名 【日本語】
Course Title
数値解析法
科目名 【英語】
Course Title
Numerical Analysis
コースナンバリングコード
Course Numbering Code
担当教員 【日本語】
Instructor
竹内 一郎 ○
担当教員 【英語】
Instructor
TAKEUCHI Ichiro ○
単位数
Credits
2
開講期・開講時間帯
Term / Day / Period
春 月曜日 4時限
Spring Mon 4
授業形態
Course style
講義
Lecture
学科・専攻【日本語】
Department / Program
機械・航空宇宙工学科
学科・専攻【英語】
Department / Program
Department of Mechanical and Aerospace Engineering
必修・選択【日本語】
Required / Selected
選択
必修・選択【英語】
Required / Selected
elective


授業の目的 【日本語】
Goals of the Course(JPN)
本講義では,機械学習の基礎を学ぶ.

(注意事項:必ず事前に確認すること)

原則として,本講義は「データサイエンス」と同時に受講すること(やむを得ない理由で同時受講できない場合は担当教員と相談すること).

春学期月曜3コマ, 4コマに開講される「機械学習」と「データサイエンス」は一体的に実施する.一体となった講義では,機械学習の数理とPythonプログラミングを同時並行で学ぶ(例えば,同じ週の月3コマに,機械学習の数理を学び,その後の月4コマに,そのトピックのプログラミングを学ぶ).

機械学習の数理に関して合格基準(下記)を達成した場合は「機械学習」の単位が取得可能,プログラミングに関して合格基準(下記)を達成した場合は「データサイエンス」の単位が取得可能となる.
授業の目的 【英語】
Goals of the Course
In this lecture, we will learn the basics of machine learning.

(Important notice)

In principle, this lecture should be taken concurrently with "Data Science" (consult with the instructor if it is not possible to take both courses simultaneously for unavoidable reasons).

The courses "Machine Learning" and "Data Science" offered in the spring semester, Monday 3rd and 4th periods, will be conducted integrally. In this integrated lecture, the mathematics of machine learning and its Python programming will be learned concurrently (for example, the mathematics of a machine learning topic will be taught in the 3rd period on Monday, followed by programming of that topic in the 4th period).

If you pass the criteria for the mathematics of machine learning (mentioned below), you will get the credit for "Machine Learning"; if you pass the criteria for machine learning programming (mentioned below), you will get the credit for "Data Science".
到達目標 【日本語】
Objectives of the Course(JPN))
【機械学習】機械学習の数理を理解する.

(参考:【データサイエンス】機械学習のプログラミングを習得する.)
到達目標 【英語】
Objectives of the Course
[Machine Learning] Understand the mathematics of machine learning.

(Reference: [Data Science] Acquire machine learning programming skills.)
バックグラウンドとなる科目【日本語】
Prerequisite Subjects
原則として,本講義は「データサイエンス」と同時に受講すること(やむを得ない理由で同時受講できない場合は担当教員と相談すること)
バックグラウンドとなる科目【英語】
Prerequisite Subjects
In principle, this lecture should be taken concurrently with "Data Science" (consult with the instructor if it is not possible to take both courses simultaneously for unavoidable reasons).
授業の内容【日本語】
Course Content
【機械学習】以下の機械学習に関するトピックの数理を学ぶ.

(参考:【データサイエンス】以下の機械学習に関するトピックのプログラミングを学ぶ.)

- 線形モデルと最小二乗法
- 確率モデル
- 統計的推定
- 統計的検定
- 線形モデルの行列・ベクトル表現
- 最尤推定法
- ロジスティック回帰分析
- 最適化
- 非線形モデルの基礎
- 特徴選択と正則化
- モデルの選択と評価
- ニューラルネットワークの基礎
授業の内容【英語】
Course Content
[Machine Learning] Learn the mathematics of the following machine learning topics:

(Reference: [Data Science] Learn the programming of the following machine learning topics.)

- Linear models and least squares
- Probability models
- Statistical estimation
- Statistical testing
- Matrix and vector representation of linear models
- Maximum likelihood estimation
- Logistic regression analysis
- Optimization
- Fundamentals of nonlinear models
- Feature Selection and Regularization
- Model selection and evaluation
- Fundamentals of neural networks
成績評価の方法と基準【日本語】
Course Evaluation Method and Criteria
【機械学習】機械学習の数理に関する定期試験(70%)と数理演習課題(30%)で評価し,100点満点中60点以上を合格とする.ただし,演習課題の提出が75%未満の場合は単位を認めない.

(参考:【データサイエンス】機械学習のプログラミングに関する課題(100%)で評価し,100点満点中60点以上を合格とする.ただし,演習課題の提出が75%未満の場合は単位を認めない.)
成績評価の方法と基準【英語】
Course Evaluation Method and Criteria
[Machine Learning] The evaluation will be based on regular examinations (70%) and mathematical exercise assignments (30%) in the mathematics of machine learning, with 60 points out of 100 being considered passing. However, credits will not be granted if less than 75% of the exercise assignments are submitted.

(Reference: [Data Science] The evaluation will be based solely on assignments related to programming in machine learning (100%), with 60 points out of 100 being considered passing. However, credits will not be granted if less than 75% of the assignments are submitted.)
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
講義資料をTACTにて配布する
教科書【英語】
Textbook
Lecture materials will be provided in TACT
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
【機械学習】講義で課された数理演習課題に取り組むこと

(参考:【データサイエンス】講義で課されたプログラミング課題に取り組むこと)
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.
講義は対面式で行うことを基本とするが、オンラインやオンデマンドに変更になる場合もある。
授業開講形態等【英語】
Lecture format, etc.
Lectures will be mainly held in face-to-face format, but parts of them are done in online or on demand formats.
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)