授業計画 |
| 回数 |
学習目標 |
学習項目 |
| 1 |
機械学習とその種類について説明出来る。機械学習が取り扱う問題について説明出来る。 |
機械学習とは何かを踏まえた上で、機械学習の種類（教師あり学習、教師なし学習、強化学習）と機械学習が取り扱う問題、代表的な機械学習アルゴリズムについて学習する。 |
| 【理解度確認】練習問題 |
| 2 |
ベクトルとは何かを説明出来る。ベクトルの各種計算が出来る。 |
ベクトルと行列 (1)：機械学習で用いる数学について学習する。ベクトルの定義と幾何学的意味、ベクトル同士の演算、スカラーとベクトルの演算、内積について学習する。 |
| 【理解度確認】練習問題 |
| 3 |
行列とは何かを説明出来る。行列の各種計算が出来る。 |
ベクトルと行列 (2)：機械学習で用いる数学について学習する。行列の定義と幾何学的意味、行列同士の演算、スカラーと行列の演算、行列式と逆行列について学習する。 |
| 【理解度確認】練習問題 |
| 4 |
ニューラルネットワークの構造について説明出来る。代表的なアクティベーション関数について説明出来る。 |
ニューラルネットワーク (1)：ニューラルネットワークの種類と基本構造を踏まえた上で、ニューラルネットワークの数理モデルについて学習する。 |
| 【理解度確認】練習問題 |
| 5 |
ニューラルネットワークによる入出力の計算が出来る。 |
ニューラルネットワーク (2)：具体的なニューラルネットワークを例に挙げ、ニューラルネットワークの計算を行う。 |
| 【理解度確認】練習問題 |
| 6 |
ニューラルネットワークによる入出力の計算が出来る。 |
ニューラルネットワーク (3)：具体的なニューラルネットワークを例に挙げ、ニューラルネットワークの計算を行う。 |
| 【理解度確認】練習問題 |
| 7 |
ニューラルネットワークによる入出力の計算が出来る。 |
ニューラルネットワーク (4)：具体的なニューラルネットワークを例に挙げ、ニューラルネットワークの計算を行う。 |
| 【理解度確認】練習問題 |
| 8 |
パーセプトロンについて説明出来る。パーセプトロンの適用限界と拡張可能性について説明出来る。 |
パーセプトロン (1)：パーセプトロンのアルゴリズムについて学習する。具体的には、パーセプトロンで取り扱い可能な問題、幾何学的意味、適応限界、拡張可能性について学習する。 |
| 【理解度確認】練習問題 |
| 9 |
パーセプトロンの学習アルゴリズムについて説明出来る。パーセプトロンの収束定理について説明出来る。 |
パーセプトロン (2)：パーセプトロンの学習アルゴリズムについて学習する。併せて、パーセプトロンの収束定理についても学習する。 |
| 【理解度確認】練習問題 |
| 10 |
確認テストによって理解を確実なものにする。 |
これまでの学習内容の確認テストを実施する。 |
| 【理解度確認】確認テスト |
| 11 |
学習の目的について説明出来る。勾配降下法ベースの学習アルゴリズムについて説明出来る。 |
学習アルゴリズム (1)：学習の目的を踏まえた上で、データセットの種類と用途、損失関数、勾配降下法ベースの学習アルゴリズムについて学習する。 |
| 【理解度確認】練習問題 |
| 12 |
確率的勾配降下法について説明出来る。勾配降下法の長所と短所を説明出来る。 |
学習アルゴリズム (2)：確率的勾配降下法の考え方について学習する。併せて、勾配降下法の長所と短所について学習する。 |
| 【理解度確認】練習問題 |
| 13 |
バッチ学習、ミニバッチ学習、オンライン学習について説明出来る。 |
学習アルゴリズム (3)：データセットのバッチ化およびその目的を踏まえた上で、バッチ学習、ミニバッチ学習、オンライン学習について学習する。 |
| 【理解度確認】練習問題 |
| 14 |
代表的な勾配降下法について説明出来る。 |
学習アルゴリズム (4)：代表的な勾配降下法（Momentum、AdaGrad、Adam、RMSpropなど）について学習する。 |
| 【理解度確認】練習問題 |
| 15 |
総合テストによって理解を確実なものにする。 |
これまでの学習内容の総合テストを実施する。 |
| 【理解度確認】総合テスト |
