5学期講義/数理手法IV(統計的機械学習入門)


新着情報

2009/04/08現在(第1回講義終了後)
講義時間は16:45-18:15に変更になりました。

(注)
4年生科目なので3年生は原則としてこの科目の単位を得ることはできません。
出席可能かどうかに関しては不明(編集人の予想では問題ないと思われるが)

科目区分

計数:限定選択C
(ただし、ap2008以前の人の場合は学科指定科目ではないため必修でも限定選択でもない)

教員

中川裕志 教授 http//*******

場所

工61号講義室

教科書

参考書(テキスト):
(1)パターン認識と機械学習 上・下 C.M. Bishop著 シュプリンガージャパン
(2)統計科学のフロンティア11,12. 岩波書店

成績評価


過去問


シケプリ


シラバス

0.機械学習の歴史
歴史以前
人工知能の時代
実用化の時代
1.導入
情報の変換過程のモデル化
ベイズ統計の意義
識別モデルと生成モデル
次元の呪い
損失関数, bias, variance, noise
データの性質
2.数学のおさらい
線形代数学で役立つ公式
確率分布
情報理論の諸概念
3.線形回帰と識別
線形回帰
正規方程式
正規化項の導入
線形識別
パーセプトロン
4.カーネル法
線形識別の一般化
カーネルの構築法
最大マージン分類器
ソフトマージンの分類器
SVMによる回帰モデル
SVM実装上の工夫
5.クラスタリング
距離の定義
階層型クラスタリング
K-means
6.モデル推定
潜在変数のあるモデル
EMアルゴリズム
変分ベイズ法
7.マルコフチェイン・モンテカルロ法
次元の呪いからの脱却
Metroplis-Hastings Algorithm
Gibbs Sampling
8.スムージング
未観測のデータの扱い
バックオフスムージング
Good-Turingの推定
9.評価方法
順位なし結果の評価(再現率、精度、適合率、F値)
順位付き結果の評価
10.データマイニング

関連サイト

http//*****
http//*****

講義まとめ

第1回は機械学習の歴史と導入を少しだけやったくらい。
少なくともここまでなら各自資料を確認すれば十分にフォロー可能だったりする。

注意事項

(以下、第1回の講義での先生の発言から抜粋)
・ベイズ統計をはじめとした統計の知識を用いるが、他学部・他学科聴講生や3年生に配慮して必要な数学や統計はその都度簡単に解説するとのこと。つまり、前提知識は不要。
・講義ページに初回から最終回までの講義資料が全て講義ページにうpされている。授業中にも資料のコピーを配る。ちなみに、資料はたまにアップデートされるらしい。
 今年度初開講なのにこの準備万全態勢は驚嘆に値する。
・上にも書いたが講義時間は16:45-18:15。システム4年生の事情で通常の5限よりも開始を15分遅らせた結果のこと。(工学部便覧やUTmateに載ってる時間とは違うので注意)
・パワーポイント中心の授業だが、状況に応じて板書もあるかも?

  • 最終更新:2009-09-19 09:46:56

このWIKIを編集するにはパスワード入力が必要です

認証パスワード