| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科 | 全担当教員 | 単位数 |
|---|---|---|---|---|---|---|
| 33718:ＡＩ・機械学習 (T1) § 33719:数値解析論(X1) § 33720:ＡＩ・機械学習 (T5) | 2024 | 春セメスター | 月3 | 理工学部 | KOHATSU-HIGA ARTURO、宮野 尚哉 | 2 |
キャンパス
BKC
授業施設
コラーニングⅠ ３０５号教室
授業で利用する言語
日本語で授業を行う。
授業の概要と方法
本講義は、機械工学科のディシプリンと数理科学科のディシプリンを融合させたハイブリッド講義である．本講義では，「機械学習」と一般的に呼ばれるデータ処理の手法を網羅し，前半はその実践，後半はその理論的な背景を学ぶ．但し, 後半部分は理論が中心であり, プログラムの紹介はするが, プログラムの実装については行わない. プログラムの実装を学びたい方は, 各学科のプログラミング演習を履修するjことを薦める.
受講生の到達目標
機械学習に関して、理論的な土台にもとづく実践力を身に着ける。
事前に履修しておくことが望まれる科目
授業スケジュール
| 授業回数/ 担当教員（複数担当の場合） |
テーマ |
|---|---|
| キーワード・文献・補足事項等 | |
| 1/宮野尚哉 | AI開発環境 |
Python, VS Code, 仮想環境 |
|
| 2～5/宮野尚哉 | 教師あり機械学習 |
多層パーセプトロン，誤差逆伝搬法，時系列予測，深層学習 |
|
| 6~9/Kohatsu | 教師あり機械学習の数学 |
分類と回帰，最小二乗法と最尤法，カーネル法、勾配法 |
|
| 10～11/宮野尚哉 | 教師なし機械学習 |
k-means法，特徴抽出，データクラスタリング |
|
| 12~15 Kohatsu | 教師なし学習の数学 |
K-means法, ニューラルネットワーク, 画像処理、畳み込み |
授業実施形態
必要に応じてメディア授業にする。
授業外学習の指示
講義の理解のためには講義中に出された演習・課題等をこなすことが必要である。
成績評価方法
| 種別 | 割合(%) | 評価基準等 |
|---|---|---|
| 定期試験（筆記） | 0 | |
| レポート試験 （統一締切日を締切とするレポート） |
0 | |
| 上記以外の試験・レポート、平常点評価 （日常的な授業における取組状況の評価） |
100 | 授業テーマごとにレポート課題を提示するので、解答をレポートとして提出すること。宮野を担当する分では3課題、Kohatsuを担当する分では2課題を提示する。各課題に対するレポートの点数の和によって評価を行う。 |
成績評価方法(備考)
受講および研究に関するアドバイス
教科書
教科書(使用頻度、その他補足)
参考書
参考書(使用頻度、その他補足)
参考になるwwwページ
授業内外における学生・教員間のコミュニケーションの方法
manaba+R,学生との直接対話,その他(教員より別途指示）
備考
【科目ナンバリング・カリキュラムマップはこちらから/Click here to see the Curriculum-Map and Course-Numbering】
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/