授業の目的

Scikit-learn、PyTorchなどPythonライブラリを使って、機械学習のプログラミングの演習を行う。

教育内容

構造データを分類する機械学習として、線形回帰、Random Forest、SVM、ニューラルネットワーク、k近傍法を実装する。教師無し学習として、クラスタリングの各種手法を実装する。画像認識のための畳み込みニューラルネットワーク、時系列解析のための再帰的ニューラルネットワークを実装する。

教育方法

教科書を指定し、各種の機械学習アルゴリズムをPython言語を用いて実装する。プログラミング演習のレポートを毎回提出することにより、機械学習のプログラミングを修得する。
レポート課題等のフィードバックは、次回講義や講義のwebページ等で共有する。

卒業・学位授与の方針と当該科目の関連

DP2

授業内容(シラバス)

到達目標

機械学習のアルゴリズムを実装する技術を身に付けて、応用ができるようになる。

評価方法

レポート課題における選択したテーマ、内容及び構成から総合的に評価する（100％）。

準備学習(予習・復習等)

【講義時間外に必要な学修時間：29時間】
予習：講義中に事前に指定する次回のプログラミング内容について教科書を読み、アルゴリズムを理解しておくこと。
復習：教科書の章末の問題についてプログラムを作成し、その実行結果と考察についてレポートとしてまとめて提出する。

備考・その他

【関連科目：最適化、最適化プログラミング】

教材