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 |
|