Society5.0に対応した高度技術人材育成

enPiT everi 社会人向け「人工知能・ロボット・IoT」に関する短期講義・演習プログラム

MENU

科目一覧

人工知能と機械学習の理論的な基礎を学ぶ

機械学習

  • 応用
  • 講義
         
科目名 機械学習
科目名(英名) Machine Learning
担当講師(氏名・所属) 中島伸一(ベルリン工科大学)、永原正章(北九州市立大学)
分類 選択
授業形態 講義

VOD

任意の時間にパソコンからインターネット接続にて(自宅や職場などから)受講します。
時数 8コマ
時間数(コマ数✕1.5) 12時間
授業の概要 本講義では、データ分析や人工知能技術の基礎である機械学習について、その初歩からベイズ推定までをわかりやすく解説します。データから背景にある法則を見つけたり、データを自動的に分類したりするにはどのようにすればよいか、その理論的な基礎を勉強します。
到達目標 将来、人工知能技術を実務に役立てたいと思う人に向けて、機械学習の考え方を身に着けていただくのが本講義の目標です。特に、頻度論的学習(ノンベイズ学習)とベイズ学習の違いやそれらの利点・欠点を理解することが目標となります。
難易度 ★★
分野別難易度(前提知識) 数学:★★
MATLABプログラミング:★
Python プログラミング:★
(一部演習あり)
履修上の注意
(準備学習・前提知識)
理工系の大学教養で習う線形代数や微分積分の知識、また高校程度の確率統計の知識は前提知識として必須となります。
授業計画・内容 1.機械学習の概要
2.ノンベイズ学習:頻度論的機械学習
 (1) データからの学習
 (2) 曲線フィッティング
 (3) クラス分類
3.ベイズ学習
 (1)ベイズ学習の枠組みとその特徴
 (2)ベイズ学習の計算
事前・事後学習の内容 参考書[1]を予習復習に利用してください
成績評価の方法 演習課題(100%)
教科書・参考書等 以下は発展的な内容を含む参考書です
[1]「パターン認識と機械学習(上・下)」:ビショップ[著] 丸善出版2012
[2]「スパースモデリング」:永原正章[著] コロナ社2017
[3]「変分ベイズ学習」  :中島伸一[著] 講談社2016

キーワード 機械学習、人工知能、データ科学、頻度論的機械学習、ベイズ学習、データからの学習、曲線フィッティング、クラス分類、スパースモデリング