スマートエスイー:スマートシステム&サービスおよび
DX推進を担う人材の産学連携育成
Smart Systems and Services innovative professional Education program

科目

K13 機械学習

概要

機械学習の理論を把握したうえで、ツールを用いた教師あり・教師なし・半教師あり・強化学習について、Pythonについての講義、およびツールの演習を行いつつ、実践上の留意点を含めて習得する。

講師

坂本一憲(早稲田大学)
奥野拓也(NTTテクノクロス)
小川哲司(早稲田大学)

到達目標

以下の知識およびスキルの取得を目標とする。
‐Pythonの理解、機械学習の理論及び技法の理解。
‐ツールを用いて機械学習を実問題的に適用し、知識や知見を得る技能の習得。

準備学習・前提知識

‐統計解析の基礎知識
‐微分積分、線形代数の基礎知識

履修時間

時数:8コマ  時間数:12時間

実施方法

Zoom

計画

概要 講師 実施方法 講義形態
1 Python言語 坂本一憲 Zoom 演習
2 Pythonライブラリ 坂本一憲 Zoom 演習
3 教師あり学習 奥野拓也 Zoom 演習
4 教師なし学習(異常検知除く) 奥野拓也 Zoom 演習
5 強化学習 奥野拓也 Zoom 演習
6 機械学習総合演習および留意点 奥野拓也 Zoom 演習
7 応用・異常検知 小川哲司 Zoom 座学
8 応用・半教師あり学習 小川哲司 Zoom 座学

機材

なし

ソフトウェア

なし ※Pythonの演習はGoogle Colaboratoryで実施

参考書

‐中井悦司(著)、TensorFlowとKerasで動かしながら学ぶ ディープラーニングの仕組み、マイナビ出版、2019
‐Peter Flach、他(著)、機械学習 ─データを読み解くアルゴリズムの技法─、朝倉書店、2017
‐巣籠悠輔(著)、詳解ディープラーニング、マイナビ出版、2019
‐人工知能学会監修、他(著)、深層学習 Deep Learning、近代科学社、2015
‐Trevor Hastie、他(著)、The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition、Springer、2017
‐Ian Goodfellow、他(著)、Deep Learning、The MIT Press 、2016

評価

レポート

備考

第1-2回の内容は「事前学習:Python言語・Pythonライブラリ」と重複する。

参考情報

2020年度 K13 iCDスキルマッピング β版
※今後見直しの可能性があります。

Page Top
WASEDA University

早稲田大学オフィシャルサイト(https://www.waseda.jp/inst/smartse/)は、以下のWebブラウザでご覧いただくことを推奨いたします。

推奨環境以外でのご利用や、推奨環境であっても設定によっては、ご利用できない場合や正しく表示されない場合がございます。より快適にご利用いただくため、お使いのブラウザを最新版に更新してご覧ください。

このままご覧いただく方は、「このまま進む」ボタンをクリックし、次ページに進んでください。

このまま進む

対応ブラウザについて

閉じる