| 年度 |
2025年度 |
開講部局 |
情報科学部 |
| 講義コード |
KA240801 |
科目区分 |
専門教育科目 |
| 授業科目名 |
スパース推定 |
授業科目名
（フリガナ） |
スパーススイテイ |
| 英文授業科目名 |
Sparse Estimation |
| 担当教員名 |
永原 正章 |
担当教員名
(フリガナ) |
ナガハラ マサアキ |
| 開講キャンパス |
東広島 |
開設期 |
3年次生 前期 １ターム |
| 曜日・時限・講義室 |
(1T) 火9-10,水9-10：工219 |
| 授業の方法 |
講義 |
授業の方法
【詳細情報】 |
対面, オンライン（オンデマンド型） |
| 講義中心、演習中心、板書多用、ディスカッション、学生の発表 |
| 単位 |
2.0 |
週時間 |
4 |
使用言語 |
J
:
日本語 |
| 学習の段階 |
2
:
初級レベル
|
| 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 |
|
| 授業のキーワード |
機械学習，特徴量選択，データ分析，回帰，スパースモデリング，凸最適化，組合せ最適化，最適制御，省エネルギー |
| 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） | |
|---|
到達度評価
の評価項目
（学部生対象科目のみ） | 計算機科学プログラム
（能力・技能）
・A. 情報基盤の開発技術，情報処理技術，データを分析して新しい付加価値を生む技術．
データ科学プログラム
（知識・理解）
・D1. 統計とデータ解析の理論体系を理解し，ビッグデータの質的／量的情報を的確かつ効率的に分析するための知識と能力．
（能力・技能）
・A. 情報基盤の開発技術，情報処理技術，データを分析して新しい付加価値を生む技術．
・B. 新たな課題を自ら発見し，データに基づいた定量的かつ論理的な思考と，多角的視野と高度な情報処理・分析により，課題を解決する能力．
知能科学プログラム
（能力・技能）
・A. 情報基盤の開発技術，情報処理技術，データを分析して新しい付加価値を生む技術．
・B. 新たな課題を自ら発見し，データに基づいた定量的かつ論理的な思考と，多角的視野と高度な情報処理・分析により，課題を解決する能力． |
|---|
| 授業の目標・概要等 |
大規模な機械学習モデルでは特徴量が多くなり，モデルの説明可能性や解釈性が低下します．そのようなケースに有効な手法として特徴量選択があります．本講義では，特徴量選択の手法のうち，とくにスパースモデリングの手法を勉強します．Pythonによる機械学習モデルの構築，特徴量選択，スパースモデリングのための凸最適化手法等を実際にプログラミングを行いながら学ぶとともに，その背景にある理論もしっかり勉強します． |
| 授業計画 |
第1回 講義の概要，スパースモデリングの概略の説明
第2回 Kaggleのコンペティションデータを使った特徴量選択の実習
第3回 グループテスティング
第4回 Pythonを使ったグループテスティングの実習
第5回 スパースモデリングの解法
第6回 スパースモデリングの解法: Python CVXPY を使った実習
第7回 回帰とスパースモデリング
第8回 回帰とスパースモデリング：Python CVXPYを使った実習
第9回 スパースモデリングのための凸最適化入門
第10回 勾配法と劣勾配法：Pythonを使った実習
第11回 スパース推定のための凸最適化 (1)
第12回 スパース推定のための凸最適化 (1)：Pythonを使った実習
第13回 スパース推定のための凸最適化 (2)
第14回 スパース推定のための凸最適化 (2)：Pythonを使った実習
第15回 スパースモデリング：最新の応用事例の紹介
実習の結果のレポートを提出．期末試験も行う． |
| 教科書・参考書等 |
永原，スパースモデリング - 基礎から動的システムへの応用 -，コロナ社，2017
https://www.coronasha.co.jp/np/isbn/9784339032222/ |
授業で使用する
メディア・機器等 |
テキスト, 配付資料, 映像資料 |
| 【詳細情報】 |
必ずパソコンを持参してください．Pythonが動作する環境をあらかじめ構築しておいてください．なお，ブラウザ上で利用できる"Google Colaboratory"の利用を推奨します．
https://colab.research.google.com/?hl=ja
あらかじめ確認しておいてください． |
授業で取り入れる
学習手法 |
ディスカッション |
予習・復習への
アドバイス |
オンデマンドの講義ビデオを提供します．このビデオを毎回，必ず視聴し，内容を確認してください．ビデオの内容に従って，講義中にプログラミングの実習をします． |
履修上の注意
受講条件等 |
|
| 成績評価の基準等 |
レポートの内容および期末テストの内容を基準に成績を評価します． |
| 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 |
スパースモデリング（スパース推定）は機械学習やデータ分析において非常に重要な概念であり，また機械学習モデルを構築する上で必須のテクニックです．この講義を通じて，スパースモデリングの使い方やその背景となる理論をしっかり学ぶことができます．この知識は将来必ず役に立つでしょう！ |
| その他 |
|
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。 |