シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
知識創産システム論２ | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｃｏｍｐｕｔｉｎｇ ２ | ||
| 開講年度 /Academic year |
2019年度 | 開講年次 /Year offered |
全年次 |
| 開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
博士前期課程、博士後期課程 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
選択科目 | ||
| 開講類・専攻 /Cluster/Department |
社会知能情報学専攻 | ||
| 担当教員名 /Lecturer(s) |
川野 秀一 | ||
| 居室 /Office |
西10号館 432室 | ||
| 公開E-mail |
skawano@ai.lab.uec.ac.jp | ||
| 授業関連Webページ /Course website |
https://sites.google.com/site/shuichikawanoja/lecture | ||
| 更新日 /Last update |
2019/02/28 17:56:02 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 講義の狙い、目標 | 膨大な量のデータが蓄積され続けている今日において、データ解析技術の需要は高まる一方である。本講義では、データ解析方法の一手段である統計的学習について学ぶ。とくに、統計的学習を数理的に理解することを目標とし、統計的モデル構築の考え方およびその推定法の基本的概念を身につける。 |
|---|---|
| 内容 |
(a) 授業内容 統計的学習は、教師あり学習と教師なし学習に分類されるが、本講義では教師あり学習について学ぶ。具体的には以下の内容を扱う。 1. 回帰問題 ・重回帰モデル ・ロジスティック回帰モデル ・正則化法 ・ベイズ線形回帰モデル 2. 識別・判別問題 ・線形判別モデル ・非線形判別モデル (b) 授業の進め方 パワーポイントと板書を併用して進める。 (c) 授業時間外の学習（予習・復習等）について 参考書を挙げているので、興味のある内容については適宜学習されたい。 (d) オフィスアワー：授業相談 適宜相談に応じるが、電子メールなどで事前にアポイントを取ること。 |
| 教科書、参考書 |
資料を配付する。 参考書として以下を挙げておく。 James, G., Witten, D., Hastie, T., Tibshirani, R. (2012) An Introduction to Statistical Learning. Springer. (PDF ファイルが http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Sixth%20Printing.pdf よりダウンロード可能である) Hastie, T., Tibshirani, R., Friedman, J. (2009) The Elements of Statistical Learning. Springer. (PDF ファイルが http://web.stanford.edu/~hastie/ElemStatLearn/printings/ESLII_print12.pdf よりダウンロード可能である) 小西貞則 (2010) 多変量解析入門. 岩波書店. Bishop, C. M. (2006) Pattern Recognition and Machine Learning. Springer. (PDF ファイルが https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf よりダウンロード可能である) |
| 予備知識 | 確率・統計、線形代数、微分積分学 |
| 演習 |
講義中に理解を助けるレポート問題を適時出す。 |
| 成績評価方法 および評価基準 |
出席およびレポートにより総合的に評価する。 |
| その他 /Others |
なし |
| キーワード /Keywords |
統計モデル、機械学習、多変量解析、教師あり学習 |