科目名
(英語名) |
__科目名__
(__科目名(英語)__) |
| 担当教員 |
西村 まどか |
| 開講時期 |
__開講時期__ |
| 科目ナンバー |
__科目ナンバー__ |
| 授業コード |
1417 |
| 単位 |
__単位__ |
| 授業概要 |
機械学習理論を裏打ちする数学の具体的な解法について学ぶ |
| 到達目標 |
機械学習に必要な情報工学の基本となる数学が他で学ぶ機械学習等の理論の支柱となっていることが理解できる |
| スキルの育成方法 |
具体的な計算手法と証明方法を知ることにより、論理的思考力、課題発見力を身につける |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | Fourier 級数 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 2 | 応用偏微分方程式 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 3 | ゲーム理論 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 4 | 待ち行列理論 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 5 | 取り替え理論 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 6 | 計算統計学の方法 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 7 | まとめと解説 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 8 | | |
| 9 | | |
| 10 | | |
| 11 | | |
| 12 | | |
| 13 | | |
| 14 | | |
受講者の事前知識と進度により適宜変更する。
|
| 成績評価基準 |
授業態度 20%, 電子レポート提出 40%, 内容発表 40% |
| 前提科目 |
数学, 統計学, データサイエンス入門 |
| 後継科目 |
経営工学, データ分析入門, 機械学習入門 |
| 教科書 |
常微分方程式, 丸善出版, 佐々 他, https://www.maruzen-publishing.co.jp/item/?book_no=303828 |
| 参考書 |
AI データサイエンスのための数学プログラミング, 松田 他, ソーテック, http://www.sotechsha.co.jp/pc/html/1281.htm |
| その他・注意事項 |
電子的な出席確認、レポート提出があるため、機器を整備しておくことが求められる。本学の環境でも可能であるが、講義中では説明しない。単位取得には全ての提出物を提出することが前提となる。内容を発表できるよう、日頃からの復習で知識を定着させること。
|