学部・大学院区分
Undergraduate / Graduate		工・博前
時間割コード
Registration Code		2851519
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		数理計画法特論
科目名　【英語】
Course Title		Advanced Lectures on Mathematical Programming
コースナンバリングコード
Course Numbering Code
担当教員　【日本語】
Instructor		工学部教務 ○ 田地 宏一 竹内 一郎
担当教員　【英語】
Instructor		 ○ TAJI Kouichi TAKEUCHI Ichiro
単位数
Credits		2
開講期・開講時間帯
Term / Day / Period		秋集中 その他 その他
Intensive(Fall) Other Other
授業形態
Course style		講義
Lecture
学科・専攻【日本語】
Department / Program
機械システム工学専攻
学科・専攻【英語】
Department / Program
Department of Mechanical Systems Engineering
必修・選択【日本語】
Required / Selected
必修・選択【英語】
Required / Selected


授業の目的　【日本語】
Goals of the Course(JPN)
本講義では，機械学習とデータサイエンスについて学ぶ。
授業の目的　【英語】
Goals of the Course
In this lecture, we will learn machine learning and data science.
到達目標　【日本語】
Objectives of the Course(JPN))
機械学習とデータサイエンスの基本知識を習得する.
到達目標　【英語】
Objectives of the Course
Acquire basic knowledge of machine learning and data science.
バックグラウンドとなる科目【日本語】
Prerequisite Subjects
学部時代にデータサイエンスに関する科目を受講していることが望ましい．
バックグラウンドとなる科目【英語】
Prerequisite Subjects
It is desirable to have taken a course related to data science during your undergraduate studies.
授業の内容【日本語】
Course Content
- 回帰のための線形モデル
- 分類のための線形モデル
- 線形モデルの選択と評価
- 低次元の非線形モデリング
- 木構造モデリング
- アンサンブル学習
- 線形サポートベクトルマシン
- カーネル法
- カーネルサポートベクトルマシン
- ベイズ線形モデル
- 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
- Linear models for regression
- Linear models for classification
- Selection and evaluation of linear models
- Low-dimensional nonlinear modeling
- Tree-based modeling
- Ensemble learning
- Linear support vector machines
- Kernel methods
- Kernel support vector machines
- Bayesian linear models
- 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
課題提出により成績を評価する．
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
講義資料を配布する
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
講義で課された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.
講義動画をオンデマンド配信する．
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)
詳細はTACTを参照すること。
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.
実務経験のある教員等による授業科目（大学等における修学の支援に関する法律施行規則に基づくもの）＜実務経験について＞
Courses taught by Instructors with practical experience(Practical experience)
実務経験のある教員等による授業科目（大学等における修学の支援に関する法律施行規則に基づくもの）<実務経験と本授業との関連性>
Courses taught by Instructors with practical experience(Relevance of the practical experience to this course)