機械学習[26R3005]

科目名
Course Title
機械学習[26R3005]
Machine Learning
授業言語
Language
Japanese
科目区分・科目種 文化情報工学科 クラス 文化情報工学科
コンピテンシー ◎問題解決力
カラーコード
単位数 2.0単位 履修年次 3年

担当教員 土山 玄
学期 前期
曜日・時限・教室
火曜 1 〜 2 限 理学部3号館207-209【仮ITルーム1】

受講条件・その他注意
必須ではないが、データサイエンス(基礎・中級・上級)を履修していることが望ましい。

授業の形態
講義,演習

教科書・参考文献
講義中に配布する講義資料

ALH区分
ALH(自発的な学習時間枠)※を実施する

アクティブラーニングの技法
問題基盤型学習(PBL:Problem Based Learning)

評価方法・評価割合
小論文(レポート)=80%(中間レポート:30%, 期末レポート:50%),授業への参加態度=10%,ALH(自発的な学習時間枠)=10%

主題と目標
授業の概要:
文化情報工学基礎科目群のデータサイエンス系科目として3年次前期に履修する必修科目である。
現代社会では様々な場面でデータが活用されており、機械学習を駆使できるデータサイエンティストの需要が高まっている。そこで、本科目では社会で使用されている代表的な機械学習の手法を採り上げ、各手法を支える理論を理解し、人文・社会分野のデータを用いた機械学習の実践力を身につけることを目標とする。

授業の到達目標:
1. 機械学習の手法を理解し、実践できるようになる。(専門知)
2. 分析目的に応じて、適切な分析手法を選択し、分析を行えるようになる。(専門知、発想力)
3.課題設定、研究計画の立案、データ分析、結果の解釈、レポートの作成というデータ分析に係わる一連の作業を実践できるようになる。(専門知、発見力、発想力)

授業計画
第1回 機械学習の考え方(講義)
データサイエンス(上級)において採り上げた教師あり学習の手法と教師なし学習の手法を復習する。構築されたモデルの精度を検証する方法を復習する。(専門知)

第2回 決定木(講義+演習)
機械学習の基礎的な手法である決定木について復習する。決定木はデータを分類するルールを構築する手法で、決定木が生成されるプロセスと決定木の成長を止める基準について解説する。(専門知)

第3回 ランダムフォレスト(講義+演習)
決定木のアンサンブル学習であるランダムフォレストについて復習する。ランダムフォレストは決定木を発展させた手法であり、そのランダムフォレストの仕組みを学習することで、機械学習とはどのようなものなのかを理解する。(専門知)

第4回 パーセプトロン
AIの基礎となる手法であるパーセプトロンについて解説する。パーセプトロンは人間の脳の構造を模した手法で、その特徴と問題点を理解する。(専門知)

第5〜7回 サポートベクターマシン(3回)(講義+演習)
サポートベクターマシンはパーセプトロンを発展させた手法で、スパムメールとノンスパムメールの分類などに用いることが可能な手法である。サポートベクターマシンの考え方とカーネル法について解説する。(専門知)

第8回 アクティブ・ラーニング
講義で配布されたデータ対象に、これまでに学んだ手法を使用してデータ分析を行う。分析課題を受講生自らが設定し、その課題を解明するために適切な分析手法を選択し、分析を行う。その結果をレポートにまとめて提出する。(専門知、発見力、発想力)

第9〜11回 ニューラルネットワーク(3回)(講義+演習)
ニューラルネットワークは複数のパーセプトロンを組み合わせることで精度を向上させた分析手法である。ニューラルネットワークの考え方を学ぶことで、利点と欠点を理解する。(専門知)

第12・13回 自己組織化マップ(2回)(講義+演習)
これまでの授業で採り上げた機械学習の手法は教師あり学習の手法である。自己組織化マップはニューラルネットワークの考え方を応用した教師なし学習の手法であり、クラスタリングを目的とした手法である。自己組織化マップではどのようにニューラルネットワークの考え方を応用したのか解説する。(専門知)

第14回 ディープラーニングの紹介
ディープラーニングはニューラルネットワークを発展させた手法であり、現在のAI技術を支える中心的な分析手法である。ディープラーニングが現代社会でどのように活用されているのか説明し、ディープラーニングの重要性を学ぶ。(専門知)

第15回 まとめ
本科目で採り上げた分析手法を復習し、各手法の特徴についての理解を深める。(専門知)

時間外学習
時間外には復習として講義資料を読み返すことを推奨する。また、本授業ではデータサイエンスに関連する書籍を紹介するので、余裕がある受講生にはそれらの書籍を読むことを薦める。

学生へのメッセージ
各自のコンピュータにExcelとRをインストールし、積極的にデータ分析を体験してもらいたい。データサイエンスには体験することで理解が深まることがたくさんあります。また、本授業では予習よりも復習を重視することを薦めます。

学生の問い合わせ先
tsuchiyama.gen@ocha.ac.jp