| 【サブタイトル】 |
|---|
Pythonを用いた機械学習と人工知能演習 |
| 【講義の目的・内容】 |
|---|
本演習では、プログラミング言語Pythonを用いて種々のデータを解析・生成することで、「機械学習と人工知能」講義で学んだ知識を、より実践的に理解する。 |
| 【学修到達目標】 |
|---|
各方法の動作原理を理解し、自分の問題にどの方法が適しているかを判断できる。サンプルプログラムの内容や出力の意味を把握し、方法とPythonプログラムの対応関係を理解する。自分のデータに対してプログラムを適用できる・自分でプログラムの間違いをみつけて修正できる。プログラムを変更して機能変更・拡張ができる。 |
| 【講義スケジュール】 |
|---|
"01. イントロダクションと作業環境の確認、Jupyter/numpy/pandas/可視化復習
02. 統計的推定
03. 統計的検定
04. 回帰
05. クラスタリング・基礎
06. クラスタ分析・応用
07. 予測精度評価
08. Kaggle紹介
09. サポートベクターマシン・基礎 / グループワーク
10. サポートベクターマシン・応用 / グループワーク
11. ハイパーパラメータ最適化 / グループワーク
12. ランダムフォレスト・基礎 / グループワーク
13. ランダムフォレスト・応用, その他のアンサンブル学習 / グループワーク
14. 最適化 / グループワーク" |
| 【指導方法】 |
|---|
講義のサンプルプログラムをもとに、別のデータに対する解析を行うプログラムの作成、変更、機能拡張などに取り組むことで、理解を深める。また、グループワークでチームによるデータ解析に触れる。 |
| 【事前・事後学修】 |
|---|
"事前学習: 各関連講義の理解
事後学習: 講義内容の復習を十分に行う" |
| 【成績評価の方法・基準】 |
|---|
講義への積極的な参加状況と、講義内で指示される課題等の提出状況・内容をもとに評価する |
| 【受講要件】 |
|---|
"「機械学習と人工知能」の履修。
また2年次の「データサイエンス基礎」、「データ・マイニング論」を履修していない場合は、未履修科目をMOOCs等を用いて自学自習しておくことを強く推奨する。" |
| 【テキスト】 |
|---|
なし |
| 【参考書】 |
|---|
講義の中で適宜紹介する |
| 【関連分野・関連科目】 |
|---|
コンピュータ・サイエンス概論III、コンピュータサイエンス演習III、データサイエンス基礎、データ・マイニング論、データサイエンス演習I, II |
| 【備考】 |
|---|
|
| 【添付ファイル1】 |
|---|
| 【添付ファイル2】 |
|---|
| 【添付ファイル3】 |
|---|
| 【リンク】 |
|---|
|
|