ML/2024 の履歴(No.24)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• ML/2024 へ行く。
  • 1 (2024-03-18 (月) 19:52:15)
  • 2 (2024-03-18 (月) 19:52:31)
  • 3 (2024-03-23 (土) 18:46:02)
  • 4 (2024-03-24 (日) 11:40:57)
  • 5 (2024-03-24 (日) 16:46:45)
  • 6 (2024-03-26 (火) 18:34:29)
  • 7 (2024-03-28 (木) 16:42:00)
  • 8 (2024-03-30 (土) 14:23:18)
  • 9 (2024-04-14 (日) 19:58:39)
  • 10 (2024-04-15 (月) 11:04:17)
  • 11 (2024-04-15 (月) 12:16:42)
  • 12 (2024-04-15 (月) 17:50:16)
  • 13 (2024-04-22 (月) 11:50:06)
  • 14 (2024-05-12 (日) 20:27:15)
  • 15 (2024-05-13 (月) 11:58:33)
  • 16 (2024-05-13 (月) 18:22:51)
  • 17 (2024-05-15 (水) 11:47:59)
  • 18 (2024-05-19 (日) 18:23:59)
  • 19 (2024-05-20 (月) 11:05:45)
  • 20 (2024-05-27 (月) 11:41:21)
  • 21 (2024-06-05 (水) 14:02:01)
  • 22 (2024-06-10 (月) 11:20:02)
  • 23 (2024-06-11 (火) 18:00:01)
  • 24 (2024-06-14 (金) 12:03:21)
  • 25 (2024-06-17 (月) 10:57:50)
  • 26 (2024-06-24 (月) 10:33:49)
  • 27 (2024-07-01 (月) 17:39:41)
  • 28 (2024-07-07 (日) 17:54:01)
  • 29 (2024-07-08 (月) 10:40:23)
  • 30 (2024-07-15 (月) 08:56:41)
  • 31 (2024-07-29 (月) 09:08:42)
  • 32 (2024-08-13 (火) 14:31:48)

---

機械学習I/II 2024年度†

• 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
  • 「機械学習I」の Web シラバス / 「機械学習II」の Web シラバス
  • 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

大事なお知らせ†

ML/2024のNews†

• 2024-05-19 GitHub が不調で，そちらに置いてある Notebook が表示できないようです．Teams の方に対処を書いておきました ので，そちらを見てね
• 2024-04-14 この授業での欠席の扱いについて，この科目のチームの「ch02 質問用」チャネルに投稿しておきました
• 2024-03-18 このページを作成．まだないようがないよう．昨年度の様子を知りたい方は ML/2023 へどうぞ．

このウェブサイト共通のNews†

• 2026-07-13 TLABで2026年度後期-2027年度に特別研究（卒業研究）やりたいひと募集中．詳細はこちら

• 過去のNews

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，ColabTutorial 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」 https://drive.google.com/drive/my-drive の中の「Colab Notebooks」に保存されてます．

おまけ†

ex01 0415(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: ML2024_ex01notebookA.ipynb
  • 直線の当てはめ: ML2024_ex01notebookB.ipynb

ex02 0422(Mon) 回帰のための教師あり学習／汎化と過適合†

• 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: ML2024_ex02notebookA.ipynb + 説明動画 (18m)
  • 汎化と過適合: ML2024_ex02notebookB.ipynb + 説明動画 (29m)
• 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 ML2024_ex02notebookC.ipynb

ex03 0429(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: ML2024_ex03notebookA.ipynb + 説明動画 (22m)
  • 最近傍法と k-近傍法: ML2024_ex03notebookB.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 ML2024_ex03notebookC.ipynb

ex04 0513(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): ML2024_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): ML2024_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 ML2024_ex04notebookC.ipynb

ex05 0520(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) / ニューラルネットワークと深層学習(1)†

★重要 GitHub が不調で以下のリンク先の Notebook がうまく表示できないときは，Teams に書いてある記事 を見てね

• 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): ML2024_ex05notebookA.ipynb + 説明動画 (21m)
  • ニューラルネットワークと深層学習 (1): ML2024_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 ML2024_ex05notebookC.ipynb

ex06 0527(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)†

★重要 GitHub が不調で以下のリンク先の Notebook がうまく表示できないときは，Teams に書いてある記事 を見てね

• 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): ML2024_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): ML2024_ex06notebookB.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 ML2024_ex06notebookC.ipynb

ex07 0603(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: ML2024_ex07notebookA.ipynb + 説明動画 (23m)
  • 事前学習済みモデルの利用: ML2024_ex07notebookB.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 ML2024_ex07notebookC.ipynb

ex08 0610(Mon) 小テスト†

「機械学習I」の最終回

小テストの実施要領は，授業時間中に説明 & Teams に投稿しています

ex09 0617(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 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: ML2024_ex09notebookA.ipynb + 説明動画 (26m)
• データの前処理(2) 特徴のスケーリング: ML2024_ex09notebookB.ipynb + 説明動画 (14m)

ex10 0624(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): ML2024_ex10notebookA.ipynb + 説明動画 (21m)
  • 過適合の抑制とモデル選択(2): ML2024_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 ML2024_ex10notebookC.ipynb

ex11 0701(Mon) 教師なし学習とは／K-平均法†

工事中

• 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: ML2024_ex11notebookA.ipynb + 説明動画 (23m)
  • K-平均法: ML2024_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 ML2024_ex11notebookC.ipynb

ex12 0708(Mon) 主成分分析†

工事中

• 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: ML2024_ex12notebookA.ipynb + 説明動画 (26m)
  • 次元削減(2) 主成分分析 中編: ML2024_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 ML2024_ex12notebookC.ipynb

ex13 0715(Mon) 主成分分析のつづき/確率密度の推定†

工事中

• 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: ML2024_ex13notebookA.ipynb + 説明動画 (18m)
  • 確率密度の推定: ML2024_ex13notebookB.ipynb + 説明動画 (29m)
• 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 ML2024_ex13notebookC.ipynb