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I
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 2019年度/Academic Year  前期/Spring Semester
開講曜限/Class period 木/Thu 2
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 2019/02/28
授業の目的・方法
/Course Objectives and method
機械学習の一分野である教師あり学習について学ぶ.機械学習とはデータ内に潜む法則・構造をデータを用いて計算機に自動で学ばせる方法論であり,この方法を用いることで,我々人間には手に負えないような大きなデータセットを扱い,物事の判断に利用することができる.本講義ではニューラルネットワークを中心とした教師あり学習の基礎について学ぶ.教師あり学習の方法論を理解し,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,講義内容に関するレポート課題を課す.
達成目標
/Course Goals
ニューラルネットワークを中心とした教師あり学習の方法論を理解し,その技術を自由に活用できる基礎を身に着けることを目標とする.
授業内容
/Course contents
(1)教師あり学習の基礎
(2)教師あり学習に必要な数学
(3)線型回帰モデル
(4)線型分類モデル
(5)単純パーセプトロン
(6)ニューラルネットワーク
(7)深層学習
事前学修・事後学修
/Preparation and review class
機械学習の方法論は実際に動かしてみることで理解がより深まります.本講義では,講義中に Python を用いたサンプルプログラムをいくつか紹介します.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.
使用教材
/Teaching materials
【テキスト】
はじめてのパターン認識:平井有三(著),森北出版,2012.

※テキストはこの分野の標準的教科書として挙げています.本講義では教師あり学習の基礎を説明するためにテキスト外の内容も扱います.また,テキストのすべての内容を扱うわけではありません.

【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.
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.

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
本講義ではベクトル・行列および多変数の微分法を使用します.講義に必要な数学的基礎は授業中に説明しますが,関連する科目(計画数学I・II等)を履修していると内容を理解しやすいと思われます.

【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