シラバス参照

講義概要/Course Information

2020/04/28 現在

科目基礎情報/General Information

授業科目名 /Course title (Japanese)	統計的機械学習特論
英文授業科目名 /Course title (English)	Advanced Statistical Machine Learning
科目番号 /Code
開講年度 /Academic year	2020年度	開講年次 /Year offered	全学年
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	大学院専門教育科目 - 専門科目Ⅱ
開講学科・専攻 /Cluster/Department	情報・ネットワーク工学専攻
担当教員名 /Lecturer(s)	川野　秀一
居室 /Office	西10-432（W10-432）
公開E-Mail /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 updated	2020/02/28 20:11:48	更新状況 /Update status	公開中 /now open to public

講義情報/Course Description

主題および 達成目標 /Topic and goals	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。 Data analysis has received much attention in recent years, because various fields of data have been collected and stored. In this class, I introduce several methods on statistical machine learning. In particular, the aim of this lecture is to be able to construct statistical models given data and to understand statistical thinking.
前もって履修 しておくべき科目 /Prerequisites	確率・統計、線形代数、微分積分学に関する科目 Statistics and Probability, Linear algebra, Calculus
前もって履修しておくこ とが望ましい科目 /Recommended prerequisites and preparation	最適化に関する科目 Optimazation
教科書等 /Course textbooks and materials	資料を配付する。 Printed materials will be distributed. 参考書として以下を挙げておく。 Reference books are given as follows. ・James, G., Witten, D., Hastie, T., Tibshirani, R. (2012) An Introduction to Statistical Learning. Springer. (The PDF file can be downloaded from http://faculty.marshall.usc.edu/gareth-james/ISL/ISLR%20Seventh%20Printing.pdf) ・Hastie, T., Tibshirani, R., Friedman, J. (2009) The Elements of Statistical Learning. Springer. (The PDF file can be downloaded from http://web.stanford.edu/~hastie/ElemStatLearn/printings/ESLII_print12.pdf) ・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. (The PDF file can be downloaded from https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf)
授業内容と その進め方 /Course outline and weekly schedule	(a) 授業内容（Contents） 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。 Statistical learning is classified into supervised learning and unsupervised learning. In this class, I introduce supervised learning. The details of contents are given as follows. 1. 回帰問題（Regression） ・単回帰モデル（Simple regression model） ・重回帰モデル（Multiple regression model） ・正則化法（Regularization） ・ベイズ線形回帰モデル（Bayesian regression model） ・スパース推定（Sparse estimation） ・ロジスティック回帰モデル（Logistic regression model） 2. 識別・判別問題（Classification） ・線形判別関数（Linear discriminant function） ・フィッシャー判別（Fisher discriminant analysis） ・サポートベクトルマシン（Support vector machine） (b) 授業の進め方（Procedure of class） パワーポイントと板書を併用して進める。 I use the power points and writing on blackboard.
実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience
授業時間外の学習 （予習・復習等） /Preparation and review outside class	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。 Study interesting contents that you are from reference books.
成績評価方法 および評価基準 （最低達成基準を含む） /Evaluation and grading	出席およびレポートにより総合的に評価する。 Evaluation will be based on the attendance to this class and the reports.
オフィスアワー： 授業相談 /Office hours	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。 Get an appointment in advance by e-mail.
学生へのメッセージ /Message for students	ビッグデータの出現によって、データ解析技術が大きな注目を集めています。本講義を通して、モデリング技術を身に付け、自由にモデリングできるようになってください。 With the advent of big data, data analysis has received much attention. In this class, study statistical modeling to analyze big data.
その他 /Others	なし Non.
キーワード /Keyword(s)	統計モデル、機械学習、多変量解析、教師あり学習 Statistical model, Machine learning, Multivariate analysis, Supervised learning