学部・大学院区分
Undergraduate / Graduate		理・博後
時間割コード
Registration Code		4600020
科目区分
Course Category		データサイエンス科目群
Data Science Classes
科目名　【日本語】
Course Title		機械学習概論Ｄ
科目名　【英語】
Course Title		Introduction to Machine Learning D
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 努 ○ 矢野 恵佑
担当教員　【英語】
Instructor		TAKEUCHI Tsutomu ○ YANO Keisuke
単位数
Credits		1
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
Department / Program
理学専攻
Division of Natural Science
必修・選択
Required / Selected
選択
Elective


授業の目的　【日本語】
Goals of the Course(JPN)
近年、計算機の進歩や深層学習の台頭によりデータ科学技術は目覚ましい進展を遂げている。
この講義では、データ科学の基礎から応用までを俯瞰し、研究実践におけるデータ解析に有用な最先端技術を学ぶ。
授業の目的　【英語】
Goals of the Course
In recent years, data science techniques have advanced rapidly, driven by improvements in computing power and the emergence of deep learning.
This course provides an overview of data science from fundamental concepts to practical applications, and aims to equip students with state-of-the-art data analysis techniques that are useful for research practice.
到達目標　【日本語】
Objectives of the Course(JPN))
学んだ内容について主体的に手を動かしてデータを解析する能力を習得する。
到達目標　【英語】
Objectives of the Course
Students will develop the ability to independently analyze data by actively applying the knowledge and techniques learned in this course.
授業の内容や構成
Course Content / Plan
第１回目：概論

第２回目：教師あり学習その1

第３回目：教師あり学習その2

第４回目：演習

第５回目：不確実性評価その1

第６回目：不確実性評価その2

第７回目：深層学習の基礎その1

第８回目：深層学習の基礎その2

第９回目：演習

第１０回目：不確実性評価その1

第１１回目：不確実性評価その2

第１２回目：可視化に関連する教師なし学習

第１３回目：演習

第１４回目：最近の研究動向


Lecture 1: Overview

Lecture 2: Supervised Learning I

Lecture 3: Supervised Learning II

Lecture 4: Exercises

Lecture 5: Uncertainty Quantification I

Lecture 6: Uncertainty Quantification II

Lecture 7: Fundamentals of Deep Learning I

Lecture 8: Fundamentals of Deep Learning II

Lecture 9: Exercises

Lecture 10: Uncertainty Quantification I

Lecture 11: Uncertainty Quantification II

Lecture 12: Unsupervised Learning Related to Visualization

Lecture 13: Exercises

Lecture 14: Recent Research Trends
履修条件
Course Prerequisites
学部の微積分、線形代数
関連する科目
Related Courses
特になし
成績評価の方法と基準
Course Evaluation Method and Criteria
レポートを課して評価する。60点以上を合格とする。
By a report. Criterion is 60/100.
教科書・テキスト
Textbook
講義中に配布。


Distributed during the lecture.
参考書
Reference Book
講義中に指示。

Indicated during the lecture.
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours)
講義後1時間程度の復習。
注意事項
Notice for Students
他学科聴講の可否
Propriety of Other department student's attendance
可
他学科聴講の条件
Conditions of Other department student's attendance
学部の微積分、線形代数。
レベル
Level
キーワード
Keyword
履修の際のアドバイス
Advice
授業開講形態等
Lecture format, etc.
実体
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class)