K13 機械学習
概要
機械学習の理論を把握したうえで、ツールを用いた教師あり・教師なし・半教師あり・強化学習について、Pythonについての講義、およびツールの演習を行いつつ、実践上の留意点を含めて習得する。
講師
坂本一憲(早稲田大学)、奥野拓也(NTTテクノクロス)、小川哲司(早稲田大学)
到達目標
以下の知識およびスキルの取得を目標とする。
‐Pythonの理解、機械学習の理論及び技法の理解。
‐ツールを用いて機械学習を実問題的に適用し、知識や知見を得る技能の習得。
準備学習・前提知識
‐統計解析の基礎知識
‐微分積分、線形代数の基礎知識
履修時間
時数：8コマ 時間数：12時間
2021年度 計画
| 第1回 | Python言語 | 座学 |
| 第2回 | Pythonライブラリ | 座学 |
| 第3回 | 教師あり学習 | 座学 |
| 第4回 | 教師なし学習(異常検知除く) | 座学 |
| 第5回 | 強化学習 | 座学 |
| 第6回 | 機械学習総合演習および留意点 | 座学・演習 |
| 第7回 | 応用・異常検知 | 座学 |
| 第8回 | 応用・半教師あり学習 | 座学 |
評価
レポート(100%)
テキスト・参考書
‐中井悦司(著)、TensorFlowとKerasで動かしながら学ぶ ディープラーニングの仕組み、マイナビ出版、2019
‐Peter Flach、他(著)、機械学習 ─データを読み解くアルゴリズムの技法─、朝倉書店、2017
‐巣籠悠輔(著)、詳解ディープラーニング、マイナビ出版、2019
‐人工知能学会監修、他(著)、深層学習 Deep Learning、近代科学社、2015
‐Trevor Hastie、他(著)、The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition、Springer、2017
‐Ian Goodfellow、他(著)、Deep Learning、The MIT Press 、2016
受講方法
オンライン
シラバスPDF
iCDスキルマッピングはβ版であり、今後見直しの可能性があります。