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 |
1474 |
| 単位 |
__単位__ |
| 授業概要 |
応用数学a, b, 経営工学, データサイエンス入門a, b, c の知識をもとにし、物理数学が機械学習の数理を学ぶ際の具体的なイメージをつかみやすいことを使った解析学の体得 |
| 到達目標 |
機械学習のテキストや論文を読む際に必要な数学を実践的に身につけることができる |
| スキルの育成方法 |
毎回の講義に関連したレポートをまとめることで批判的思考力, 論理的思考力, 情報収集力, 課題発見力, 問題解決力を育成する。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 数学的準備 | [事後] レポート作成 (2時間) |
| 2 | 関数の極値 | [事後] レポート作成 (2時間) |
| 3 | 関数の最適化 | [事後] レポート作成 (2時間) |
| 4 | 関数の最適化の観点から見た最小二乗法 | [事後] レポート作成 (2時間) |
| 5 | 統計的最適化 | [事後] レポート作成 (2時間) |
| 6 | 線形計画法 | [事後] レポート作成 (2時間) |
| 7 | 非線形計画法 | [事後] レポート作成 (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 (2 割), 開講された講義のレポート作成 (4 割), 講義の参加態度 (4 割) |
| 前提科目 |
データサイエンス入門a, b; 経営工学 a, b, 担当教員によるデータサイエンス科目(200番台) |
| 後継科目 |
機械学習入門a, b, c, d, 担当教員によるデータサイエンス科目(300番台) |
| 教科書 |
線形代数セミナー, 金谷健一, 共立出版, https://www.kyoritsu-pub.co.jp/book/b10003952.html,ISBN: 9784320113404. |
| 参考書 |
しっかり学ぶ数理最適化, 梅谷俊治, ISBN978-4-06-521270-7. |
| その他・注意事項 |
毎回レポートの提出及び出席管理は電子的な手法で行う。Microsoft Teams を携帯電話にインストールしておくこと。操作方法は提供する URL にアクセスし設定を自分で行うこと。板書を取るノート, 筆記用具および学内からVPNを使ってアクセスできる携帯電話, PC, 手書きでレポートを提出する際に用いる USB メモリ等の環境整備が必要である。初回受講時に準備しておくこと。レポートをまとめる際には受講者どうしの協力が欠かせない。
|