機械学習の基礎【WEB版】(シラバス)
基本情報
- 科目名
- 機械学習の基礎
- 教材担当
- マシュー・ホーランド (Matthew J. Holland)(5回)
- 授業概要
計算機に事物や概念を「学習させる」とは一体どういうこと?統計的推論と最適化とソフトウェア工学の間にある機械学習の基本的な考え方や技法を紹介し、数理モデルからコーディングまで、理論と実践の両面から学びます。
詳細情報
第1回 | 学習問題の概観 1)機械学習問題の基本パーツの整理 2)学習問題の定式化 3)パーセプトロンとその合理性 |
---|---|
第2回 | 汎化性能の評価と保証 1)学習アルゴリズムの性能(PAC学習の考え方) 2)長方形を用いた学習則の解析 3)経験誤差最小化(ERM)の一般形 |
第3回 | ERM原理の汎化性能 1)ERMと集中不等式 2)モデルの表現力と汎化能力の関係 3)無限モデルとVC次元 |
第4回 | ERMを実装する 1)目的関数としての経験期待損失 2)凸性と平滑性 3)最急降下法の導入 |
第5回 | 計算と推論を加味した性能保証 1)勾配法の収束と期待損失の保証 2)分類手法の較正と代替関数の導入 3)その一例としてのロジステック回帰 |
【体系的に学ぶ人工知能WEB講座シラバス】
開講科目