実践的機械学習Ⅰ

金曜5限. 単位数／Credit(s): 2.00単位. 担当教員（所属）／Instructor (Position): 栗林 稔 所属：データ駆動科学・AI教育研究センター. 対象学部／Eligibility: 全. 開講期／Term: 1/3/5/7セメスター. 科目群／Subject Group: 全学教育科目先進科目－情報教育. 年度: 2025. 科目ナンバリング／Course Numbering: ZAC-OIN803J. 使用言語／Language of Instruction: 日本語.

科目コード

CAB017030

科目名／Subject

実践的機械学習Ⅰ

教室／Place

情報教育実習室　Ｍ１０４、情報教育実習室　Ｍ１０５

メディア授業科目／Media Class Subjects

〇

主要授業科目／Essential Subjects

各学部の履修内規または学生便覧を参照。

授業題目／Class Subject

実践的機械学習Ⅰ

Practical Machine Learning I

授業の目的と概要／Class Objectives and Summary

「人工知能」を支える基盤技術の一つである機械学習について学ぶ．

線形分類器やサポートベクトルマシン，決定木，ニューラルネットワークなどについて，サンプルコードを動かしながらその動作を確認し，プログラムの処理の流れを理解できるようにする．



The purpose of this course is to study Machine Learning, an important sub-area of Artificial Intelligence. This course is designed to help students understand some key technologies such as linear classifiers, support vector machines, decision trees and neural networks, through the process of running sample codes and developing Python programs.

学修の到達目標／Learning Goals

機械学習の基礎的な知識を身に付けると同時に，データ処理の技術も身に付ける．Python言語で基本的な処理プログラムが書けるようになり，標準的なライブラリの使い方がわかるようになる．



Students will acquire basic knowledge on machine learning and basic skills on data processing.

Students will be also able to read and write Python programs and modules.

授業内容・方法と進度予定／Contents and Progress Schedule of the Class

Google Classroom によってオンライン配信する動画教材を中心にして，Google Colaboratory を用いた演習を行いながら授業を進めていく．



授業計画

1. イントロダクション，演習の準備と環境構築 (オンラインでのリアルタイム講義)

2. 配列データの扱い (オンラインでのリアルタイム講義)

3. アヤメの画像と手書き数字のデータ

4. データの観察と可視化

5. 分類問題とデータ処理：2クラス分類

6. 分類問題とデータ処理：scikit-learnの分類器

7. 機械学習における評価と汎化性能

8. 多クラス分類問題と可視化

9. 手書き数字の認識と評価および次元削減

10. 機械学習アルゴリズム：k近傍法

11. 機械学習アルゴリズム：決定木

12. 機械学習アルゴリズム：サポートベクトルマシン

13. 機械学習アルゴリズム：アンサンブル法

14. 機械学習アルゴリズム：ニューラルネットワーク

15. まとめ



オンライン授業動画ならびに資料はGoogle Classroomにて公開する.



This is a practice-centered course, using Google Colaboratory. Teaching materials are provided via Google Classroom.

The contents and schedule are as shown below.

1. Introduction and preparation (Online real-time lecture)

2. Handing array data (Online real-time lecture)

3. Datasets of Iris Species and recognizing hand-written digits

4. Editing and visualization of datasets

5. Binary classification

6. Classifiers in Scikit-learn

7. Evaluation and generalization performance of classifiers

8. Multi-class classification and visualization

9. Recognition of hand-written digits and dimension reduction

10. Machine learning algorithms: k-nearest neighbors

11. Machine learning algorithms: decision trees

12. Machine learning algorithms: support vector machines

13. Machine learning algorithms: ensemble methods

14. Machine learning algorithms: neural networks

15. Concluding remarks



Online class videos and materials will be made available on Google Classroom.

成績評価方法／Evaluation Method

各演習の提出課題と数回のテストで評価する．



Evaluation is performed comprehensively based on the progress of exercises and some test assignments.

教科書および参考書／Textbook and References

授業時間外学修／Preparation and Review

Google Classroomで配信されるビデオ教材を視聴しながら，演習問題を解いて毎回提出する必要がある．



Students are required to watch video teaching materials provided via Google Classroom, and submit class assignments every time.

授業へのパソコン持ち込み【必要/不要】／Students must bring their own computers to class [Yes / No]

動画を視聴しながら操作するパソコンが手元に必要である．初回授業から使用する．



Bring your own computer to class every time, from the beginning.

連絡先（メールアドレス等）／Contact（Email, etc.)

全学教育HP掲載の「全学教育科目授業担当教員連絡先一覧」を参照。

その他／Other Comments/Instructions

Python言語に対する前提知識は必要としないが，基本的なパソコンの操作（キーボード入力やファイル操作等）には慣れていることが望ましい．必要に応じて Pythonの基本も補足しながら進めていくが，進度が速いので積極的な取り組みを期待する．



最初の2回はオンラインでのリアルタイム講義とする．



No prior knowledge on Python programming is assumed, but basic computer skills (e.g., keyboard-input and file operations) are desirable. Various useful tips on Python will be provided for the supplement. Serious efforts are expected, as the class progresses fast.



The first two lectures will be given online in real time.