2024年度学院等開講科目工学院情報通信系

機械学習（情報通信）

開講元: 情報通信系
担当教員: JIN ZE / 鈴木賢治
授業形態: 講義 (対面型)
メディア利用科目: -
曜日・時限 (講義室): 火3-4 (W9-326(W935)) / 金3-4 (W9-326(W935))
クラス: -
科目コード: ICT.S311
単位数: 200
開講時期: 2024年度
開講クォーター: 3Q
シラバス更新日: 2025年3月14日
使用言語: 日本語

シラバス

授業の目的（ねらい）、概要

本講義では機械学習の基礎、原理、各種手法、その応用を学ぶ。学んだ知識を身につけるために、それらの具体的なプログラミングと実装方法について学ぶ。まず、教師あり学習と教師なし学習、判別問題と回帰問題、過学習と正則化などの機械学習基礎と原理を学ぶ。次に代表的な機械学習モデルと手法を学び、それぞれのモデルの原理、特徴と利用法を学ぶ。対象とするモデルや手法は、線形判別分析、主成分分析、学習と検証法、クラスタ分析、サポートベクトルマシン、ニューラルネットワーク、深層学習モデルなどである。

到達目標

機械学習の基礎と原理を学び、機械学習の問題に対処できる知識を身につける。機械学習の代表的な手法を学び、これらの手法を適切に応用できる知識を身につける。具体的にプログラムを書いて実装できるようにする。

キーワード

最小二乗法、線形判別分析、主成分分析、K平均法、ベイズ推定、ニューラルネットワーク、誤差逆伝搬法、サポートベクトルマシン、ディープラーニング、畳み込みニューラルネット

学生が身につける力

専門力
教養力
コミュニケーション力
展開力 (探究力又は設定力)
展開力 (実践力又は解決力)

授業の進め方

最初の3回の講義で、機械学習の基礎と原理を学ぶ。次の講義からは、代表的な機械学習モデルと手法を学ぶ。それぞれの講義において、具体的なプログラミングと実装方法を主にPythonと機械学習ライブラリを用いて演習する。最後の3回の講義で、深層学習について学び、演習する。

授業計画・課題

	授業計画	課題
第1回	機械学習ガイダンス	機械学習分野と機械学習応用の概要を学習する。
第2回	学習の原理１	教師あり学習と教師なし学習、判別問題と回帰問題、不良設定問題と最適化、最小二乗法を理解する。
第3回	学習の原理２	モデルの自由度と誤差、過学習と正則化、次元の呪いを理解する。
第4回	線形判別分析	線形判別式、郡内分散と群間分散、フィッシャーの線形判別分析を学習する。
第5回	主成分分析	主成分分析の数理、次元削減、データ圧縮、線形判別分析との違いを学習する。
第6回	学習、検証とテストの方法論	学習・検証・テスト、性能評価指標を学習する。
第7回	教師なし学習とベイズ法	クラスタ分析、k平均法、最尤推定法、EMアルゴリズムを学習する。
第8回	ニューラルネットワーク１	生体のニューラルネットワークとその工学的モデル、ニューラルネット研究の歴史、ニューロンモデル、単純パーセプトロンを学習する。
第9回	ニューラルネットワーク２	多層パーセプトロン、活性化関数、誤差逆伝播法とその導出を学習する。
第10回	ニューラルネットワーク３	ニューラルネットワークの解釈方法、ニューラルネットワークの設計法、応用を学ぶ。
第11回	サポートベクトルマシン、データの前処理、複数モデルの融合	線形・非線形サポートベクトルマシンを学習する。
第12回	深層学習(Deep Learning)の概要	CNN, LeNet, AlexNet, VGG-16, ResNet, MTANNを学習する。
第13回	深層学習(Deep Learning)の計算原理	Convolutional Neural Networkの計算原理(コンボリューションとプーリング、SoftMax)を学習する。
第14回	深層学習の応用例	画像処理、物体検出、領域分割、超解像度、音声認識、自然言語処理、医用画像処理、医用画像診断への応用を学習する。

準備学修(事前学修・復習)等についての指示

学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，講義内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。

教科書

本コースでは特定の教科書を指定しないが、本コースの後半で学ぶニューラルネットと深層学習の講義と実習では以下を参考書として使用する：
タイトル：Python,TensorFlowで実践する深層学習入門: しくみの理解と応用
シリーズ： DIGITAL FOREST
著者：J. Krohn (著), 鈴木賢治 (監修), 清水美樹 (翻訳)
出版社：東京化学同人
ISBN：9784807920389
出版日：2022/09/13

参考書、講義資料等

本コースでは特定の教科書を指定しないが、本コースの後半で学ぶニューラルネットと深層学習の講義と実習では以下を参考書として使用する
タイトル：「イラストで学ぶ　機械学習」最小二乗法による識別モデル学習を中心に
著者：杉山将
出版社 ‏ : ‎ 講談社
ISBN：978-4-06-153821-4
出版日：2013/09/20

成績評価の方法及び基準

期末試験、および実習のレポート

履修の条件・注意事項

微分積分、線形代数の基礎知識