English

年度	2024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	滑川　裕介
担当教員名 (フリガナ)	ナメカワ　ユウスケ
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 （学部生対象科目のみ）	本授業は，大学院共通科目のうちの，最近の社会システムの進展を知り，これからの時代に必須な知識を身につけ，現代社会の課題に具体的に取り組み，必須な知識・技術を使うことができる能力を身につけることを目指す「キャリア開発・データリテラシー科目」の選択科目の一つである。
到達度評価 の評価項目 （学部生対象科目のみ）
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。