機械学習特論 _ﾒﾃﾞｨｱ併用

Advanced Lecture for Machine Learning

ー

コース応用科目

情報科学研究科

1年

KIIMD5MCA1

2.00単位

講義 (Lecture)

2026年度前期

(Spring semester)

川嶋 宏彰、山本 岳洋

情報科学研究科

日本語

該当なし

講義後に教室、もしくは予約をしたうえで教員室にて

kawashima@gsis.u-hyogo.ac.jp
t.yamamoto@gsis.u-hyogo.ac.jp

ー

2◎／1〇

ー

ー

講義目的：大量のデータから価値ある情報・パターンを自動的に抽出・学習し、予測や分類を行う機械学習について、各手法の考え方を理論的な仕組みとともに学ぶ。
到達目標：機械学習の基本的手法の基礎知識を身につけ、実データに対して応用できる。

I 講義内容
ロジスティック回帰、サポートベクターマシン、アンサンブル学習や最尤推定をはじめとする基本的手法や発展的手法、近年急速に発展している深層学習や強化学習の代表的手法を取り上げるとともに、画像や音声認識、自然言語処理などの各分野における応用例を広く紹介する。

II 授業計画
１．機械学習を学ぶ上で
２．確率モデル
３．教師あり学習（線形回帰・ロジスティック回帰）
４．教師あり学習（決定木・SVM）
５．アンサンブル学習
６．演習1
７．ニューラルネットの基礎　
８．ディープラーニング
９．応用事例の紹介（自然言語処理）
１０．フィードバック授業
１１．畳み込みニューラルネット
１２．演習2
１３．生成モデル
１４．最尤推定
１５．発展的話題

各トピックは進行の目安であり、多少の前後や他の話題の講義がある。

遠隔（配信先）

当授業は、神戸商科キャンパスから同時配信により神戸情報科学キャンパスにも配信します。そのため、『対面・遠隔の別』欄では「遠隔」となっていますが、神戸商科キャンパスで受講する院生は「対面」授業となります。

利用する場面を限定し許可

生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポートとして提出してはならない。

適宜資料を配布する。

荒木雅弘: Pythonではじめる機械学習, 森北出版 (2025)
その他、授業中に適宜指示する。

講義の予習、復習、および演習でそれぞれ20h

講義の内容を自ら演習できる教材を提供するとともに、演習回では教員への質問を通じて学習内容の定着を図る。

成績評価の基準：
機械学習の基礎的知識を理解するとともに実データへの応用方法を身につけた者に単位を授与する。講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に応じて、S（90点以上）, Ａ（80 点以上）, B（70 点以上）, C（60 点以上）による成績評価のうえ、単位を付与する。

成績評価の方法：
レポート・小テスト40％、授業内試験60％を基準として、受講態度（積極的な質問等）を含めて総合的に評価する。

レポートについて授業の中で解説もしくは講評を行う。

・授業中に指示した宿題や事前・事後学習はもとより、「講義内容・授業計画」に記載した該当箇所などについて、配布資料等を使って十分な予習・復習をして講義に出席すること。
・一部の回では講義中にノートパソコンを持ち込む必要がある（講義中に指示を行う）。

該当しない