| 科目名 | 機械学習 |
|---|---|
| 科目名（英名） | Machine Learning |
| 担当講師（氏名・所属） | 中島伸一（ベルリン工科大学）、永原正章（北九州市立大学） |
| 分類 | 選択 |
| 授業形態 | 講義 VOD 任意の時間にパソコンからインターネット接続にて（自宅や職場などから）受講します。 |
| 時数 | 8コマ |
| 時間数（コマ数✕1.5） | 12時間 |
| 授業の概要 | 【無料公開中のため、動画視聴のみです。課題、成績評価、講師サポート、修了認定はありません。】 本講義では、データ分析や人工知能技術の基礎である機械学習について、その初歩からベイズ推定までをわかりやすく解説します。データから背景にある法則を見つけたり、データを自動的に分類したりするにはどのようにすればよいか、その理論的な基礎を勉強します。 |
| 到達目標 | 将来、人工知能技術を実務に役立てたいと思う人に向けて、機械学習の考え方を身に着けていただくのが本講義の目標です。特に、頻度論的学習（ノンベイズ学習）とベイズ学習の違いやそれらの利点・欠点を理解することが目標となります。 |
| 難易度 | ★★ |
| 分野別難易度（前提知識） | 数学：★★ MATLABプログラミング：★ Python プログラミング：★ （一部演習あり） |
| 履修上の注意 （準備学習・前提知識） |
理工系の大学教養で習う線形代数や微分積分の知識、また高校程度の確率統計の知識は前提知識として必須となります。 |
| 授業計画・内容 | 1.機械学習の概要 2.ノンベイズ学習：頻度論的機械学習 （１） データからの学習 （２） 曲線フィッティング （３） クラス分類 3.ベイズ学習 （１）ベイズ学習の枠組みとその特徴 （２）ベイズ学習の計算 |
| 事前・事後学習の内容 | 参考書［１］を予習復習に利用してください |
| 成績評価の方法 | 演習課題（100%） |
| 教科書・参考書等 | 以下は発展的な内容を含む参考書です ［１］「パターン認識と機械学習（上・下）」：ビショップ［著］ 丸善出版2012 ［２］「スパースモデリング」：永原正章［著］ コロナ社2017 ［３］「変分ベイズ学習」 ：中島伸一［著］ 講談社2016 |
| キーワード | 機械学習、人工知能、データ科学、頻度論的機械学習、ベイズ学習、データからの学習、曲線フィッティング、クラス分類、スパースモデリング |
科目一覧
（ただいま無料公開中）人工知能と機械学習の理論的な基礎を学ぶ
機械学習
- 応用
- 講義