シラバス参照

授業情報/Course information

科目一覧へ戻る 2023/03/17 現在

科目名/Subject 意思決定論II
担当教員(所属)/Instructor 片岡 駿 (商学部)
授業科目区分/Category 昼間コース 学科別専門科目
開講学期/Semester 2018年度/Academic Year  後期/Fall Semester
開講曜限/Class period 木/Thu 3
対象所属/Eligible Faculty 商学部/Faculty of Commerce
配当年次/Years 3年 , 4年
単位数/Credits 2
研究室番号/Office
オフィスアワー/Office hours
更新日/Date of renewal 2018/04/06
授業の目的・方法
/Course Objectives and method
識別モデルを中心とした機械学習法の基礎について学ぶ.情報技術の進歩により,現在の情報社会では多種多様なデータを利用することが可能になり,物事の判断にこのデータを有効活用できないかという期待が広がっている.本講義では,識別モデルを中心に,機械学習と呼ばれるデータを有効活用するための方法論について講義する.識別モデルを用いたデータサイエンス法を理解し,その計算技術の習得を目指す.

授業は講義形式で行う.
適宜,記述課題やプログラミング課題等のレポートを課す.
プログラム言語は Python を想定している.
達成目標
/Course Goals
識別モデルを用いたデータサイエンス技術を理解し,その技術を自由に活用できる基礎を身につけることを目標とする.
授業内容
/Course contents
(1)機械学習の基礎
(2)線形モデル(回帰)
(3)線形モデル(分類)
(4)カーネル法
(6)ニューラルネットワーク
(7)深層学習入門
(8)教師なし学習
事前学修・事後学修
/Preparation and review class
データサイエンスの方法は実際にプログラムを書いて,自分で動かしてみることで理解がより深まります.そのため,本講義ではプログラムに関するレポート課題を出題する他,講義中にいくつかのサンプルプログラムを紹介します.復習時にはノート等の内容を理解するだけでなく,実際に自分で動かせるようになることを目標にしてください.
・確率モデルを用いた機械学習法や確率的・統計的推論法に関するわからない用語は必ず調べ,その意味を理解すること.
・実際にプログラムを書いてデータサイエンス技法の動作を確認すること.
使用教材
/Teaching materials
【テキスト】
特に指定しない.
【参考書】
これならわかる深層学習入門:瀧 雅人(著),講談社,2017
深層学習:神嶌 敏弘(編),近代科学者,2015
続・わかりやすいパターン認識:石井健一郎,上田修功(著),オーム社,2014
イラストで学ぶ機械学習:杉山将(著),講談社,2013
パターン認識と機械学習(上・下):C.M.ビショップ(著),丸善出版,2012
統計的機械学習:杉山将(著),オーム社,2009
わかりやすいパターン認識:石井健一郎,‎ 前田英作,‎ 上田修功,‎ 村瀬 洋 (著),オーム社,1998
成績評価の方法
/Grading
(1) 期末試験 100%
(2) 期末試験 60%,レポート課題 40%
で評価し,成績の良い方を採用する.
成績評価の基準
/Grading Criteria
社会情報学科標準成績評価基準に従う.
履修上の注意事項
/Remarks
【平成29年度以前入学生への注意事項】
・平成30年度より「意思決定論(4単位)」は,「意思決定論Ⅰ(2単位)」と「意思決定論Ⅱ(2単位)」に分割されることとなった.(※学則上は「意思決定論」が廃止され,「意思決定論Ⅰ」と「意思決定論Ⅱ」が新たに開設されたこととなる.)
・平成29年度以前入学生についても「意思決定論Ⅰ」「意思決定論Ⅱ」を独立した科目とみなして履修可能である.
・ただし,既に「意思決定論」を修得済みの学生は「意思決定論Ⅰ」及び「意思決定論Ⅱ」を履修することはできない.
遠隔授業
/Online class
遠隔授業/Online class

科目一覧へ戻る