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) |
データ解析最適化論 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Advanced Topics in Data Analysis Optimization | ||
| 科目番号 /Code |
|||
| 開講年度 /Academic year |
2025年度 | 開講年次 /Year offered |
全学年 |
| 開講学期 /Semester(s) offered |
秋ﾀｰﾑ | 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・ネットワーク工学専攻 | ||
| 担当教員名 /Lecturer(s) |
劉 志 | ||
| 居室 /Office |
東2-611 | ||
| 公開E-mail |
劉 <liuzhi@uec.ac.jp> | ||
| 授業関連Webページ /Course website |
https://webclass.cdel.uec.ac.jp/webclass/ （Webclassでコース登録してください） | ||
| 更新日 /Last update |
2025/03/03 13:27:32 | 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） |
This lecture addresses the fundamentals and algorithms of optimization theory which is one of core technologies of machine learning and many other IT research areas. Especially, non-linear programming and convex optimization are focused. 講義では，データ解析のための機械学習（データ最適化手法）などに関する技術と理論について学習する |
|---|---|
| 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） |
Linear algebra 線形代数 |
| 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） |
Linear algebra 線形代数 |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
Not special 特に無し 講義内容はweb (https://webclass.cdel.uec.ac.jp/webclass/ （Webclassでコース登録してください）) に掲載し，課題は以下に掲載する． The PPTs will be available online. Please register for this lecture in Webclass (https://webclass.cdel.uec.ac.jp/webclass/ ) |
| 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I(Aa)により講義を実施． The class is held in English． 10月と11月に週2回開催されるコースです。4学期制の講義です。 This lecture is offered twice a week in October and November in a "four-semester" lecture format. 以下の内容に従って講義を行うが，学生の理解度に合わせて適宜内容を調整する． The contents will be adjusted according to the students' level of understanding. 1. Introduction： イントロダクション 2. Convex sets 凸集合 3. Convex function 凸関数 4. Convex optimization problems I： basic concepts 凸最適化問題: 基本概念 5. Convex optimization problems II: examples 凸最適化問題: 例 6. Convex optimization problems III: solutions 凸最適化問題: 方法 7. Duality 双対問題 8. KKT conditions KKT条件 9. CVX: introduction and programming 最適化ライブラリCVX 10. Approximation and fitting 近似近似解法・フィッティング 11. Use case of optimization 応用 12. Markov decision process マルコフ決定過程 13. Applications of Markov decision process マルコフ決定過程の応用 14. Network Flow: Basic Concepts and Optimization Methods ネットワークフロ：基本概念と最適化手法 15. Paper Presentation by Students 学生による論文発表 |
| 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）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
最適化理論に関わる書籍や論文などを理解する． |
| 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） |
評価方法：小テスト（40%）、レポート（50%）、および論文発表（10%）により評価する. Evaluation method: Small tests in each class (40%), reports (60%) and final presentation (10%). 評価基準：小テストは当日の授業内容に即した問題をだし、その理解度で判断する.レポートは課題を理解し、その課題に対する取組状況、内容、理解度で判断する. Evaluation basis: Understanding of each class is evaluated by small test. Reports are evaluated by understanding, initiative, and contents. |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
特に設けない. 質問等は電子メールで受け付ける. It is recommended to contact me by e-mail if you have any questions. |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
The topics in the class are closely related with "big-data" analysis, network management, signal processing, optimization and machine learning techniques. 大規模データの機械学習, ネットワーク管理, 信号処理，最適化,統計学習などの基盤技術です． |
| その他 /Others |
- Students who are interested in machine learning, network management, optimization, pattern recognition, and big data analysis are welcome. 機械学習，ネットワーク管理, 最適化, パターン認識，ビッグデータ解析に興味のある学生に適しています． - It is recommended to contact the lecturer by e-mail if you have any questions. 質問等があれば，教員にコンタクトしてください． - The spoken language is English 英語で講義を行います． - Python simulation tasks are provided to students for their deeper understandings. Python での演習課題が出る場合があります． - This course is conducted in the classroom, but some classes may be conducted via online tool (using zoom or other tools). Details will be announced in the WebClass (https://webclass.cdel.uec.ac.jp/webclass/ ). 本講義は教室で対面式で行われますが、一部の授業はオンライン（zoomなどを使用）で実施する場合があります。詳細はWebClass（https://webclass.cdel.uec.ac.jp/webclass/ ）でお知らせします。 - This lecture is offered twice a week in October and November in a "four-semester" lecture format. 10月と11月に週2回開催されるコースです。4学期制の講義です。 |
| キーワード /Keywords |
Optimization problem, Non-linear programming, Convex set/function, Optimality conditions, KKT conditions, Duality, convex optimization, Markov decision process 最適化問題，非線形問題，凸集合/凸関数，最適性条件，KKT条件，双対定理, 凸最適化, マルコフ決定過程 |