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。
科目一覧
Machine Learning
人工知能と機械学習の理論的な基礎を学ぶ
機械学習
| 担当講師 | 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 | 講義 |
| 授業形態 | VOD |
| 時数 | 8コマ |
| 時間数 | 12時間 |
| 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 | 数学：★★ Python プログラミング：★ （一部演習あり） |
| 履修上の注意 | 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 （２）ベイズ学習の特徴 （３）ベイズ学習の応用 |
| 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] ビショップ，パターン認識と機械学習（上・下），丸善出版，2012 [2] 永原正章，スパースモデリング，コロナ社，2017 [3] 中島伸一，変分ベイズ学習，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 |