Skip to content

機械学習テキスト

本サイトは「機械学習／機械学習Ⅱ」の講義資料置場です。

講義スケジュール

シラバス概要

授業の概要

多変量解析（線形モデル）の発展として、決定木やSVM等の機械学習モデル（非線形モデル）を学ぶ。さらに近年の発展として、深層学習や集団学習などの実践的なモデルも学習対象とし、画像処理や自然言語処理などの身近な題材を用いた演習を通じて、原理の理解のみならず実際に使えるスキルを修得する。併せて、構築したモデルを簡単なWebアプリケーションとして実装する方法についても触れ、応用力の向上を目指す。

キーワード: Python 機械学習 非線形モデル 深層学習 画像処理 自然言語処理

到達目標

  • さまざまな機械学習モデルの基本原理を理解し、それぞれの長所と短所を説明できる。
  • Pythonを用いて機械学習モデルを構築し、学習とテストによってモデルの性能を評価できる。
  • 評価結果を正しく解釈し、文章等を通じて他者に正しく伝えることができる。
  • 構築したモデルを簡単なWebアプリケーションとして実装することができる。

授業情報

項目 内容
授業形式 対面/サテライト形式（インターネットに接続できるノートパソコン必須）
受講条件 ノートパソコンを毎回持参（Python 未経験者も受講可）
評価方法 演習への取り組み 30%、各回のレポート 40%、期末試験30%
期末試験 対面で実施
サポート 随時 Teams またはメールで対応

受講対象者

  • 機械学習・AI 技術に関心があり、体系的に学習したい方
  • データ分析や機械学習モデルの活用スキルを身につけたい方

講義の目標

本講義では、以下の内容を段階的に学習します。

  1. Python の基礎 — 基本文法、データ処理、データ可視化
  2. 機械学習の基本 — データから予測モデルを構築する手法
  3. 代表的な機械学習手法 — 線形モデル、決定木、SVM などを実際に実装して比較
  4. 学習済みモデルの利用 — 既存の学習済みモデルを利用した画像認識や文章分類

本講義では難しい数式よりも実際に手を動かすことを重視した、演習中心の内容を予定しています。

Q & A

Python プログラミングの経験がありませんが、受講できますか？

Python の基礎から解説しますので、問題ありません。

必要なパソコンのスペックを教えてください

以下の要件を満たすノートパソコンを用意してください：

  • メモリ：8GB 以上推奨
  • インターネット接続：必須
  • OS：Windows、macOS いずれでも可
数学の知識はどの程度必要ですか？

高度な数学知識は必須ではありません。基礎的な数学・統計学の知識があれば受講可能です。理論的な説明は必要最小限にとどめ、実装を中心とした講義内容とする予定です。

講師情報

講師

加納 徹（茨城大学 機械システム工学科 / 情報工学専攻 / 地域未来共創学環）