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 | 2018年度／Academic Year 前期／Spring 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 |
確率モデルを用いた機械学習法や確率的・統計的推論の方法について学ぶ．現在の情報社会では扱わなければならない情報の量が膨大となり，計算機等の助けなしには適切に意思決定ができない場面にしばしば遭遇する．本講義では，確率モデルを中心として，多種多様な情報が与えられた状況下で適切に意思決定を行うための数理的方法について講義する．確率モデルを用いたデータサイエンス法の数理の理解と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 |
確率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）確率モデルを用いたデータの取り扱い （２）ベイズ推定 （３）統計的推論法の基礎 （４）統計的機械学習の基礎 （５）確率的推論法の基礎 （６）ボルツマンマシン （７）深層学習入門 |
||
| 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】 ベイズ推論による機械学習入門：須山敦志（著）杉山将（監修），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 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 |
||
| 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 |
|