機械学習（Neural Network）[5D08]

＜授業のねらい＞

ＩＴの発展・計算機の性能向上により種々の大規模データが扱われる今日、その分析において機械学習は有効かつ強力な技術である。本講義では、機械学習の各種手法と数学的な概念との繋がりを理解する。

＜受講にあたっての前提条件＞

確率論の知識を相応に備えていること。

＜具体的な到達目標＞

機械学習の各種手法と数学的な概念との繋がりが理解できること。

＜授業計画及び準備学習＞

●授業計画
　１．最適化問題（凸計画問題）
　２．最適化問題（等式制約付凸計画問題）
　３．最適化問題（不等式制約付凸計画問題）
　４．確率と確率分布
　５．パラメータ推定法（最尤推定）
　６．パラメータ推定法（最大事後確率推定）
　７．ｋ-平均法
　８．ＥＭアルゴリズム
　９．ナイーブベイズ分類器
　10．マージン最大化
　11．厳密制約下のＳＶＭモデル
　12．緩和制約下のＳＶＭモデル
　13．カーネル法
　14．対数線形モデル
　15．系列ラベリング
●準備学習
　前週の内容を十分に復習しておくことが、その週の講義内容の理解を助ける。

＜成績評価方法＞

中間試験５０％および期末試験５０％で総合評価する。

＜教科書＞

指定教科書なし

＜参考書＞

言語処理のための機械学習入門（高村大也：コロナ社）

＜オフィスアワー＞

授業終了後20分間