【授業の目的】
機械学習を含むデータサイエンスは、現代の情報科学を支える重要基盤の一つとして発展を遂げている。本講義では、機械学習を中心にデータサイエンス分野を俯瞰し、 その中で使われる数理の理解とデータ分析技術の習得を目指す。
【授業の到達目標】
(a) 機械学習とデータサイエンスの意義を説明できる。【知識・理解】 (b) データ分析の背景にある数理を説明できる。【知識・理解】 (c) データ分析のためのアルゴリズムを実装できる。【技能】
【授業概要(キーワード)】
機械学習、データサイエンス、データ分析、人工知能
【学生主体型授業(アクティブラーニング)について】
A-2.小レポート等により、事前学習(下調べ、調査等含む)が必要な知識の上に思考力を問う形での文章を記述する機会がある。:76~100%
【科目の位置付け】
機械学習・データサイエンスの基礎理論とアルゴリズム技術について学び、高い専門力及び融合力の基礎となる知識・技術を習得する。
【SDGs(持続可能な開発目標)】
04.質の高い教育をみんなに
【授業計画】
・授業の方法
講義はスライドや板書を中心に進めていく。適宜、プログラミング等を用いた具体的な実験課題を課し、講義全体の理解を深めていく。
・日程
第1週:オリエンテーション 第2週:機械学習とデータサイエンス 第3ー6週:ニューラルネットワークの基礎とディープラーニング 第7ー8週:統計的機械学習 第9ー10週:最適化数学 第11ー15週:機械学習とデータサイエンスのその他の話題(データ分析手法、強化学習など) ※講義の進行具合で内容に変更がある場合がある。
【学習の方法・準備学修に必要な学修時間の目安】
・受講のあり方
機械学習はデータサイエンスの基礎を担う重要な理論の一つである。特に情報科学分野の学生は単なる知識に留めることなく、講義内容を自分のモノにするよう心掛けながら望むこと。 講義内容で不明な点がある場合は、授業時間内に質問しその都度解決することが望ましい。
・授業時間外学習(予習・復習)のアドバイス
講義で提示される課題・問題を自身の手で解く(又は、実装する)時間を予習・復習の段階で設け、理解を深めることが望ましい。また、関連トピックに関して文献・インターネット等で調査することが大切である。授業時間外の学習で不明な点が生じた際は、WebClassやメールを通じて担当教員に連絡して解決するように。
【成績の評価】
・基準
授業の到達目標で示した事項に関連する課題(レポートやプログラミング課題)を通して全体で60点以上を合格とする。
・方法
適宜課されるレポートで成績を評価する。
【テキスト・参考書】
テキストは特に指定しない。
【その他】
・学生へのメッセージ
自分なりに考え、問題を解いて理解を深めること。 解析学や線形代数および確率・統計の基礎的な事項について必要に応じて予習しておくことが望ましい。 また、C言語やPythonなどの基礎知識もあるとより良い。
・オフィス・アワー
質問等がある場合は、各回の授業終了後に教員に直接問い合わせること。
|