広島大学シラバス

シラバスTOPへ
English
年度 2022年度 開講部局 大学院共通教育(博士課程後期・博士課程)
講義コード 8E550202 科目区分 大学院共通科目
授業科目名 パターン認識と機械学習
授業科目名
(フリガナ)
パターンニンシキトキカイガクシュウ
英文授業科目名 Pattern Recognition and Machine Learning
担当教員名 赤瀬 大
担当教員名
(フリガナ)
アカセ ダイ
開講キャンパス 双方向 開設期 1年次生   後期   4ターム
曜日・時限・講義室 (4T) 集中:オンライン
授業の方法 講義 授業の方法
【詳細情報】
 
講義中心,プログラミング演習 
単位 2.0 週時間   使用言語 J : 日本語
学習の段階 5 : 大学院基礎的レベル
学問分野(分野) 25 : 理工学
学問分野(分科) 02 : 情報科学
対象学生 博士課程後期
授業のキーワード 機械学習,深層学習,python  
教職専門科目   教科専門科目  
プログラムの中での
この授業科目の位置づけ
 
到達度評価
の評価項目
 
授業の目標・概要等 機械学習の様々な手法の特徴を理解するとともに,プログラミング言語pythonを使用した演習を行う. 
授業計画 ・イントロダクション
・機械学習
    線型回帰,多項式回帰,正則化,交差検証
    クラス分類,ロジスティック回帰
    データの前処理
・教師あり学習
    最近傍法,k近傍法
    パーセプトロン,サポートベクターマシン(SVM)
    アンサンブル学習,ランダムフォレスト
・教師なし学習
    次元削減,主成分分析(PCA),Stochastic Neighber Embedding
    クラスタリング,階層的クラスタリング,k-means法,k-medoids法,MeanShift法,DBSCAN法
・深層学習
    ニューラルネットワーク,畳み込みニューラルネットワーク(CNN)
    自己符号化器(AutoEncoder),敵対的生成ネットワーク(GAN)
・強化学習
    Q学習,DQN


レポートを課す. 
教科書・参考書等 特に指定しない. 
授業で使用する
メディア・機器等
 
【詳細情報】 映像(ビデオ講義) 
授業で取り入れる
学習手法
 
予習・復習への
アドバイス
オンデマンド動画を復習,確認のためにも活用してください. 
履修上の注意
受講条件等
 
成績評価の基準等 講義動画の視聴(閲覧進捗率)を単位付与の前提条件とし,レポート課題で成績を評価する. 
実務経験  
実務経験の概要と
それに基づく授業内容
 
メッセージ  
その他 この講義では,名古屋大学,岐阜大学,三重大学,広島大学の4大学が連携し,ノースカロライナ州立大学協力のもと,実施している取組『「実世界データ演習」を用いる価値創造人材教育の大学連携(文部科学省「超スマート社会の実現に向けたデータサイエンティスト育成事業」)』で作成した,オンデマンドビデオ講義を活用します. 
すべての授業科目において,授業改善アンケートを実施していますので,回答に協力してください。
回答に対しては教員からコメントを入力しており,今後の改善につなげていきます。 
シラバスTOPへ