シラバス参照
シラバス参照
| 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 | 2021年度／Academic Year 前期／Spring Semester |
| 開講曜限／Class period | 他 |
| 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 | 2021/02/26 | ||
|---|---|---|---|
| 授業の目的・方法 ／Course Objectives and method |
＜目的＞ ニューラルネットワークを中心とした機械学習の基礎的知識を習得することを目的とする． 教師あり学習を中心とした機械学習の枠組みを理解し，目的に応じたニューラルネットワークの構築法を学ぶ． ＜方法＞ 授業は講義形式で行い，基本的に板書によって進める． ほぼ毎回の授業でミニテストを実施し講義内容の理解を促す． 授業内容に関するレポート課題を課す． |
||
| 達成目標 ／Course Goals |
・教師あり学習が対象とする関数（モデル）を用いた推論法を説明できる． ・教師あり学習での関数（モデル）の学習方法が説明できる． ・ニューラルネットワークを用いた推論・学習の仕組みを説明できる． ・問題にあわせたニューラルネットワークを設計できる． |
||
| 授業内容 ／Course contents |
１：機械学習の概要 ２：教師あり学習の仕組み１ ３：教師あり学習の仕組み２ ４：線形回帰 ５：線形分類 ６：汎化性能 ７：ニューラルネットワーク１ ８：ニューラルネットワーク２ ９：普遍性定理 １０：誤差逆伝播法 １１：深層学習 １２：畳み込みニューラルネットワーク １３：リカレントニューラルネットワーク １４：敵対的生成ネットワーク １５：まとめ |
||
| 事前学修・事後学修 ／Preparation and review class |
<事前学習> 講義資料に目を通しておくこと <事後学習> 講義資料・ノートを読み直し，講義内容を説明できるようになること． |
||
| 使用教材 ／Teaching materials |
講義資料を manaba で配布する． | ||
| 成績評価の方法 ／Grading |
期末試験・レポート・ミニテストの成績から評価する． 以下の基準で評価を行い，最も評価の高いものを最終成績として採用する． （１）期末試験（100%） （２）期末試験（70%）＋レポート(30%) （３）期末試験（50%）＋レポート(30%)＋ミニテスト(20%) |
||
| 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 |
・教師あり学習は関数を利用した情報処理システムの構築法であるため，微分法に関する科目を履修していると理解がしやすいと思われます． ・ミニテストは manaba により提出するため，スマートフォン等 manaba に接続できる端末を毎回用意すること． |
||
| 実務経験者による授業 ／Courses conducted by the ones with practical experiences |
該当しない／No | ||
| 遠隔授業 ／Online class |
|