2025年度「機械学習I/II」

• 対象: 龍谷大学 先端理工学部 （3年1Q+2Q） / 理工学部 （3年前期）
  • 先端理工学部科目「機械学習I」(1Q)+「機械学習II」(2Q)と 理工学部科目「パターン情報処理」の合併開講です
• 担当: 高橋隆史
• リンクいろいろ
  • Web シラバス: 機械学習I / 機械学習II
  • この科目のMoodleコース 初回の授業で参加法を説明します．詳しくは こちら．
  • この科目の GitHub リポジトリ
• この科目は，文科省「数理・データサイエンス・AI教育プログラム認定制度 「応用基礎レベル」に該当する科目です．詳細は データサイエンス・AI応用基礎プログラム - 先端理工学部 へ．

お知らせ

• 2025-09-09 成績集計の結果 を公開しました．
• 2025-07-21 第16回の授業時間中に小テストを実施します．実施要領は授業中に & Teams 上でお知らせします．
• 2025-03-31 初回の授業の内容は ↓の ex01 にあります．「授業のページ」に書かれたことを事前に進めておくとよいでしょう．
• 2025-02-11 このページを作成．まだないようがないよう．

進行

注意

• 動画は，Microsoft Stream で配信してます．
  • 授業動画一覧 デフォルトではファイル名のリストですが，右上のアイコン（三みたいなの）をクリックして「タイル」（田みたいなの）に変更するとサムネイル画像が表示されます．
  • この授業の動画は，Teams チーム参加者のみが閲覧できます． ユーザ名とパスワードが求められたら全学統合認証ので．チームへ参加してから動画へアクセスできるようになるまで少し時間がかかる場合があるようです（数時間？）．
• 拡張子 .ipynb のファイルは，Google Colab の notebook です．
  • notebook はこの科目の GitHub リポジトリ に置いてあります
  • notebook の扱い方については，[/courses/ColabTutorial.qmd] を参照してください
  • 自分がコピーした Colab Notebook ファイルは，Google Drive の 「マイドライブ」 の中の「Colab Notebooks」に保存されてます．

ex01 0414(Mon) オリエンテーションと準備

• 授業のページ ex01
• 資料
  • 機械学習とは: ML2025_ex01notebookA.ipynb
  • 直線の当てはめ: ML2025_ex01notebookB.ipynb

ex02 0421(Mon) 回帰のための教師あり学習／汎化と過適合

Quiz01bも宿題です．受験をお忘れなく

• 次の notebook の閲覧・実行と動画の視聴は今回の授業開始までの宿題です
  • 平面の当てはめ: ML2025_ex02notebookA.ipynb + 説明動画 (17m)
  • 汎化と過適合: ML2025_ex02notebookB.ipynb + 説明動画 (28m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex02notebookC.ipynb

ex03 0428(Mon) 識別のための教師あり学習

• 次の notebook の閲覧・実行と動画の視聴は今回の授業開始までの宿題です
  • 識別とは／最短距離法: ML2025_ex03notebookA.ipynb + 説明動画 (21m)
  • 最近傍法と k-近傍法: ML2025_ex03notebookB.ipynb + 説明動画 (19m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex03notebookC.ipynb

ex04 0512(Mon) ロジスティック回帰＋勾配法によるパラメータの最適化 (1)(2)

• 次の notebook の閲覧・実行と動画の視聴は今回の授業開始までの宿題です
  • ロジスティック回帰＋勾配法によるパラメータの最適化(1): ML2025_ex04notebookA.ipynb + 説明動画 (22m)
  • ロジスティック回帰＋勾配法によるパラメータの最適化(2): ML2025_ex04notebookB.ipynb + 説明動画 (33m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex04notebookC.ipynb

ex05 0519(Mon) ロジスティック回帰＋勾配法によるパラメータの最適化 (3) / ニューラルネットワークと深層学習(1)

• 次の notebook の閲覧・実行と動画の視聴は今回の授業開始までの宿題です
  • ロジスティック回帰＋勾配法によるパラメータの最適化(3): ML2025_ex05notebookA.ipynb + 説明動画 (21m)
  • ニューラルネットワークと深層学習 (1): ML2025_ex05notebookB.ipynb + 説明動画 (26m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex05notebookC.ipynb

ex06 0526(Mon) ニューラルネットワークと深層学習(2)(3) + 汎化と過適合(2)

• 次の notebook の閲覧・実行と動画の視聴は今回の授業開始までの宿題です
  • ニューラルネットワークと深層学習(2): ML2025_ex06notebookA.ipynb + 説明動画 (23m)
  • ニューラルネットワークと深層学習(3) + 汎化と過適合(2): ML2025_ex06notebookB.ipynb + 説明動画 (20m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex06notebookC.ipynb

ex07 0602(Mon) 決定木 / 事前学習済みモデルの利用

• 次の notebook の閲覧・実行と動画の視聴は今回の授業開始までの宿題です
  • 決定木: ML2025_ex07notebookA.ipynb + 説明動画 (23m)
  • 事前学習済みモデルの利用: ML2025_ex07notebookB.ipynb + 説明動画 (13m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex07notebookC.ipynb

ex08 0609(Mon) 小テスト

「機械学習I」の最終回

ex09 0616(Mon) データの前処理

「機械学習II」の初回．exXY の XY は「機械学習I」からの通し番号です

「機械学習II」から参加するひとは，[[ex01>./ex01]] の内容に従って準備をしてください

• データの前処理(1) 質的特徴量や欠損値の扱い: ML2025_ex09notebookA.ipynb + 説明動画 (26m)
• データの前処理(2) 特徴のスケーリング: ML2025_ex09notebookB.ipynb + 説明動画 (14m)

ex10 0623(Mon) 過適合の抑制とモデル選択

• 次の notebook の閲覧・実行と動画の視聴は授業開始までの宿題です
  • 過適合の抑制とモデル選択(1): ML2025_ex10notebookA.ipynb + 説明動画 (21m)
  • 過適合の抑制とモデル選択(2): ML2025_ex10notebookB.ipynb + 説明動画 (20m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex10notebookC.ipynb

ex11 0630(Mon) 教師なし学習とは／K-平均法

• 次の notebook の閲覧・実行と動画の視聴は授業開始までの宿題です
  • 教師なし学習とは: ML2025_ex11notebookA.ipynb + 説明動画 (25m)
  • K-平均法: ML2025_ex11notebookB.ipynb + 説明動画 (23m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex11notebookC.ipynb

ex12 0707(Mon) 主成分分析

• 次の notebook の閲覧・実行と動画の視聴は授業開始までの宿題です
  • 次元削減(1) 主成分分析 前編: ML2025_ex12notebookA.ipynb + 説明動画 (26m)
  • 次元削減(2) 主成分分析 中編: ML2025_ex12notebookB.ipynb + 説明動画 (18m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex12notebookC.ipynb

ex13 0714(Mon) 主成分分析のつづき/確率密度の推定

• 次の notebook の閲覧・実行と動画の視聴は授業開始までの宿題です
  • 次元削減(3) 主成分分析 後編: ML2025_ex13notebookA.ipynb + 説明動画 (18m)
  • 確率密度の推定: ML2025_ex13notebookB.ipynb + 説明動画 (30m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex13notebookC.ipynb

ex14 0721(Mon) 統計的パターン認識入門 / 機械学習・人工知能の歴史

祝日ですが授業実施日です ;_;

• 次の notebook の閲覧・実行と動画の視聴は授業開始までの宿題です
  • 統計的識別認識入門: ML2025_ex14notebookA.ipynb + 説明動画 (18m)
  • こちらは notebook ではなく PDF ファイルです 機械学習・人工知能の歴史: ML2025_ex14noteB.pdf + 説明動画 (44m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex14notebookC.ipynb

ex15 0728(Mon) ビッグデータ / 機械学習・AIと社会

• 次の notebook の閲覧・実行と動画の視聴は授業開始までの宿題です
  • こちらは notebook ではなく PDF ファイルです ビッグデータ: ML2025_ex15noteA.pdf + 説明動画 (16m)
  • こちらは notebook ではなく PDF ファイルです 機械学習・AIと社会: ML2025_ex15noteB.pdf + 説明動画 (22m)
• 次の notebook は授業時間中に閲覧・実行することを想定しています
  • 演習・実習 ML2025_ex15notebookC.ipynb

ex16 0804(Mon) 小テスト

「機械学習II」の最終回

担当科目と時間割ページへ