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 | 2019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 | 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なし学習について学ぶ．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．本講義では主成分分析などの多変量解析の方法を中心とした教師なし学習の方法論について学ぶ． 教師なし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 |
多変量解析の方法論を理解し，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）教師なし学習の基礎 （２）教師なし学習に必要な数学 （３）相関係数 （４）主成分分析 （５）因子分析 （６）クラスター分析 （７）行列分解 |
||
| 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】 多変量データ解析法 -心理・教育・社会系のための入門-：足立浩平（著），ナカニシヤ出版，2006． ※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．本講義では教師なし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，テキストの内容を全て扱うわけではありません． 【参考書】 多変量データ解析：杉山・藤越・小椋（著），朝倉書店，2014． 多変量データ解析講義：水野欽司（著），朝倉書店，1996． 多変量解析のはなし：大村平（著），日科技連，1985． |
||
| 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 |
本講義では線型代数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 |
|