概要

機械学習やデータマイニングの基礎的な手法及びその利用方法を学ぶ。

目的

機械学習を支える数理的な技術を理解することを目的とする。またプログラミングを用いた実習を交えることで、各技術の必要性について実感するとともに実際の挙動を体感し、より深い理解につなげることを目的とする。

到達目標

機械学習・データマイニングの基礎的な学習手法（EMアルゴリズムや変分ベイズ法）を理解し実装する能力を身につける。 また未知の事柄に関して自ら主体的に調査し理解する能力を身につける。

履修上の注意

• 線形代数、微分積分、統計学を履修していることを前提とする。
  • 特に以下のキーワードに関する知識が最低限必要である: 固有値、固有ベクトル、トレース、ノルム、多変量正規分布、最尤推定
• プログラミングは主に Python で行う。一般的なプログラミング言語の基礎知識は仮定するが、わかりづらい点に関しては適宜補足を行う。
  • 特に以下のキーワードに関する知識が最低限必要である: for文、if文、while文、オブジェクト指向、クラス、オブジェクト
  • 授業中にプログラミングを行うのでノートパソコンを持参すること。

準備学習・復習

同じトピックの講義・実習を複数回に分けて行うため、各回でわからなかったことを調べたり質問したりして二時間程度の予習・復習を行うこと。 特にプログラミングに関しては、自ら試行錯誤を行いプログラムの挙動を確認することを通じて主体的に理解を深めることが必要である。

成績評価方法

期末にレポートまたはテストで評価する。

授業計画

1. ガイダンス・機械学習概論
2. Python の基本的な使い方
3. Pythonを使った統計・線形代数の復習(1)
4. Pythonを使った統計・線形代数の復習(2)
5. Pythonを使った統計・線形代数の復習(3)
6. Pythonを使った統計・線形代数の復習(4)
7. 混合モデルとEMアルゴリズムとその実装 (1)
8. 混合モデルとEMアルゴリズムとその実装 (2)
9. 混合モデルとEMアルゴリズムとその実装 (3)
10. 混合モデルとEMアルゴリズムとその実装 (4)
11. トピックモデルと変分ベイズアルゴリズムとその実装(1)
12. トピックモデルと変分ベイズアルゴリズムとその実装(2)
13. トピックモデルと変分ベイズアルゴリズムとその実装(3)
14. 予備