【授業の目的】
高次元データの性質を知り，それに適したデータ解析の方法（機械学習の手法）を選択できるようになること．
【授業の到達目標】
この授業を履修した学生は，
(1) 高次元データから有用な情報や知識を見つける手順を説明できる．【知識・理解】
(2) 高次元データを教師あり学習および教師なし学習によって解析できる．【知識・理解】
(3) 高次元データ解析の社会における有用性を，討議することができる．【態度・習慣】
【授業概要（キーワード）】
次元の呪い，回帰，LASSO，次元削減，PCA，高次元PCA，Autoencoder
【学生主体型授業（アクティブラーニング）について】
C-2．事前学習（下調べ、調査等含む）をした上で、プレゼンテーションを行い、互いに質疑応答や議論を行う機会がある。：26～50％
D-2．事前学習（下調べ、調査等含む）で習得した知識等を踏まえて演習、実習、実験等を行う機会がある。：26～50％
【科目の位置付け】
この授業は，理工学研究科博士後期課程（理学系）のディプロマ・ポリシー「先端的研究の発展に貢献しようとする意欲を持ち，独自の課題を発見し，解決するための高度な専門的知識と経験を体系的に修得している」に関連する専門分野講義科目となる．
【SDGs（持続可能な開発目標）】
09.産業と技術革新の基盤をつくろう
【授業計画】
・授業の方法
毎回，決められた担当者を中心に，参加者全員でテキスト（授業計画に示した書籍，あるいは，最先端の論文）を読み進めながら，学んだことをプログラムで実装して確認する．
・日程
第１回〜第５回 「Pattern Recognition and Machine Learning」の1章「Introduction」
第６回〜第１０回 「The Elements of Statistical Learning」の18章「High-Dimensional Problems」
第１１回〜第１５回 「高次元の統計学」
【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
(1) 各回の授業内容を，短いことばで要約するなどして，理解すること(授業で初めて知ったことばを，既に知っていることばに，マッピングする，対応付けること)を心がけてください．
(2) 理解できなかったことや，新たに生じたクエスチョンを，ことばを用いて具体化，明確化するようにしてください．
・授業時間外学習（予習・復習）のアドバイス
(1) 授業で紹介されたキーワードをウェブや図書館などで調べてみてください．
(2) 高次元データ解析と実社会との関わりを，普段の生活のなかで意識してみてください．
【成績の評価】
・基準
LASSO，次元削減，高次元PCA等を実装して，動かせること．
・方法
LASSO，次元削減，高次元PCA等の実装，あるいは，最先端の論文の実装で評価する．
【テキスト・参考書】
・Pattern Recognition and Machine Learning
・The Elements of Statistical Learning
・高次元の統計学
【その他】
・学生へのメッセージ
各回の授業に参加した結果，「どこまで分かったか」「どこから分からなくなったか(どんなクエスチョンが新たに生まれたか)」を，ことばに直すことをおすすめします．
・オフィス・アワー
随時，地教２号館４階４３４までどうぞ（事前にウェブクラスからメールでアポイントメントをとると確実です）．
|