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) |
計算機科学特論 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Advanced Computer Science | ||
| 科目番号 /Code |
|||
| 開講年度 /Academic year |
2024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 | ||
| 開講類・専攻 /Cluster/Department |
情報学専攻 | ||
| 担当教員名 /Lecturer(s) |
原 聡 | ||
| 居室 /Office |
東3-826 | ||
| 公開E-mail |
satohara@uec.ac.jp | ||
| 授業関連Webページ /Course website |
Google Classroomを利用 | ||
| 更新日 /Last update |
2024/09/24 11:24:51 | 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（2,000文字以内） /Themes and goals（up to 2,000 letters） |
機械学習の基礎となる統計的学習理論について講義する。 This lecture covers the basics of statistical learning theory, which serves as the theoretical foundation of machine learning. |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
線形代数学，微積分学，統計学などの数学の基礎科目 Basic mathematics courses such as linear algebra, calculus, statistics, etc. |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
None |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
教科書は特に使用しないが、本講義の内容の一部は Francis Bach ``Learning Theory from First Principles'' に準拠する。 No textbook will be used, but some of the content of this lecture will be based on Francis Bach ``Learning Theory from First Principles'' |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
英語タイプ（Cc）により講義を行う。講義、資料ともに日本語である。 All lectures and materials will be provided in Japanese. (a) 内容：以下の内容の講義を行う。 [機械学習入門] 1. 回帰 2. 分類 [最小二乗回帰の理論] 3. 統計的学習理論とは 4. 最小二乗回帰の理論１ 5. 最小二乗回帰の理論２ [統計的学習理論入門] 6. 集中不等式１ 7. 集中不等式２ 8. リスクの分解１ 9. リスクの分解２ 10. ラデマッハ複雑度１ 11. ラデマッハ複雑度２ [最適化と学習] 12. 勾配降下法１ 13. 勾配降下法２ 14. 確率的勾配降下法１ 15. 確率的勾配降下法２ (b) 進め方：黒板やプロジェクタを用いて授業を行う。 |
| 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 |
None |
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
講義の内容を適宜復習すること。何回かレポート課題を課すので、そのレポート作成も復習時に計画的に行うこと。 |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
(a) 評価方法： 成績はレポートによって評価する。 (b) 評価基準： 以下の到達レベルをもって合格の基準とする。 (1) 最小二乗回帰の理論を理解している。 (2) 統計的学習理論の基本概念を理解している。 (3) 勾配降下法の基本的な理論を理解している。 |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
授業時にお知らせします。 |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
機械学習を手軽に使えるライブラリやツールが増えています。しかし、各種の手法を実際の問題へと適用する際には、問題に応じて手法を適宜改変したりチューニングしたりする必要があります。このように、既存のライブラリやツールから一歩外に出て自分で手法を実装したり改変できたりするようになるためには、各手法の根底にある基本的な概念や理論を深く知る必要があります。機械学習技術のユーザから、新たな機械学習技術の開発者へと成長したい学生の受講を歓迎します。ただし、本講義のカバー範囲は皆さんの成長の一ステップとして基本概念や理論を習得することまでであり、受講後にそれらをどのように新技術の開発に活かすかは皆さん次第です。 |
| その他 /Others |
None |
| キーワード /Keywords |
機械学習・統計的学習理論 |