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

担当教員 土山 玄
学期 前期
曜日・時限・教室
火曜 1 2 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
授業概要:
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、本科目では実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・社会科学分野のデータを用いて機械学習の実践力を身につけることを目標とする。

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 機械学習の基礎的な手法と評価指標(適合率・再現率・F1スコア)
第2回 ブースティング(AdaBoost)
第3回 XGBoost
第4回 LightGBM
第5回 SVM
第6回 異常値検出(one-class SVM)
第7回 ハイパーパラメータのチューニング
第8回 ALH
第9回 ニューラルネットワーク@
第10回 ニューラルネットワークA
第11回 スタッキング
第12回 自己組織化マップ
第13回 現代的なデータの可視化
第14回 ディープラーニング(CNNなど)
第15回 総復習

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