機械学習

  [ GB42404 ]
Machine Learning
対象:3・4学年 開設学期:春AB 曜日・時限:月1・2 単位数:2単位
担当教員:佐久間淳

概要

計算機による自律的な学習を目指す機械学習や,大規模情報源からの知識発見を実現するデータマイニングの理論を,教師付き学習,教師なし学習を中心に学ぶ。

学習・教育目標

-人間が未知の知識や環境に触れたときに発揮される学習能力が,数学/計算機上の問題としてどのように定義されるかを理解する
-教師付き学習,教師なし学習およびデータマイニングの代表的なアルゴリズムとその利用法を理解する

キーワード

統計的学習理論, 機械学習,データマイニング, 知識発見, 人工知能, 凸最適化, 確率論, 統計学

Keywords

statistical learning theory, machine learning, data mining, knowledge discovery, artificial intelligence, convex optimization, probabilistic theory, statistics,

時間割

講義内容/理解すべき項目
1週【機械学習入門】
機械学習とは何か、機械学習はどんな分野で使われているか。
行列代数と最適化
2週【教師つき学習(1)】
多数の例題から概念を学習する代表的な方法について学びます。
回帰,特徴量, 損失関数,訓練誤差と汎化誤差
3週【教師つき学習(2)】
モデルの複雑さと予測性能の関係について。
オッカムの剃刀、過学習、正則化、交差検定, モデル選択
4週【教師つき学習(3)】
識別問題の基本的な概念について学びます。
線形識別モデル,ロジスティック回帰,余裕があればサポートベクターマシン
5週中間試験、予備
6週【教師なし学習(1)】
多変量正規分布と次元削減,主成分分析
7週【教師なし学習(2)】
k-meansクラスタリング, 混合正規分布モデルの推定
8-10週【深層学習】
パーセプトロン、逆誤差伝播法、バッチ最適化とオンライン最適化、正則化再び、畳み込みニューラルネットワーク、depp learningへの道

参考書籍

パターン認識と機械学習 (C.M. ビショップ)

予備知識・前提条件

線形代数, 確率論, 統計学 (ただし必要な知識はその都度補う)

成績評価

学期末試験(70%)および出席(30%)を加味して評価を行う。

教員メールアドレス

jun(at)cs.tsukuba.ac.jp

TF・TA

柿崎 和也 kazuya@mdl.cs.tsukuba.ac.jp

講義のWebページ

http://www.mdl.cs.tsukuba.ac.jp/lecture_j.html

オフィスアワー

適宜受け付ける。メールにて事前連絡のこと。