タイトル

開講年度 開講学部等
2026 大学院創成科学研究科（博士前期）
開講学期 曜日時限 授業形態 AL（アクティブ・ラーニング）ポイント
後期 木5～6 講義 5.0
時間割番号 科目名[英文名] 使用言語 単位数
3242010380 機械学習特論[Advanced Machine Learning] 日本語 2
担当教員（責任）[ローマ字表記] メディア授業
栗原　俊之 ー
担当教員[ローマ字表記]
栗原　俊之
特定科目区分   対象学生   対象年次 1～2
ディプロマ・ポリシーに関わる項目 カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
授業の目的と概要
機械学習は人工知能の基盤技術であり、様々な分野に応用されている。
この授業では機械学習の理論に関する知識を深める（DP2)。
授業の到達目標
機械学習における基礎理論から様々な応用について学修する
授業計画
【全体】
講義資料は適宜配布する。
パワーポイントを用いて講義を行い、各自のPCを用いてプログラムを実習し講義の理解を図る。教師あり学習、教師なし学習の概念、学習モデルの評価方法、各種分類器の理解を深めるとともに、これらの応用システムについて理解する。
項目 内容 授業時間外学習 備考
第1回 導入：イントロダクション 機械学習総論 機械学習の概念を調べ、必要な基礎知識を把握する（240分）
第2回 決定理論 決定理論の概念を理解する 教科書第5章に目を通し、必要な基礎知識を把握する（240分）
第3回 情報理論 情報理論の概念を理解する 教科書第6章に目を通し、必要な基礎知識を把握する（240分）
第4回 判別分析 線形判別分析 教科書第9章に目を通し、必要な基礎知識を把握する（240分）
第5回 回帰（1） ロジスティック回帰 教科書第10章に目を通し、必要な基礎知識を把握する（240分）
第6回 回帰（2） 線形回帰 教科書第11章に目を通し、必要な基礎知識を把握する（240分）
第7回 回帰（3） 一般化線形モデル（Generalized Linear Models） 教科書第12章に目を通し、必要な基礎知識を把握する（240分）
第8回 ニューラルネットワーク（1） 構造化データ、多層パーセプトロン 教科書第13章に目を通し、必要な基礎知識を把握する（240分）
第9回 ニューラルネットワーク（2） 畳み込みニューラルネットワーク 教科書第14章に目を通し、必要な基礎知識を把握する（180分）
第10回 ニューラルネットワーク（3） 回帰型ニューラルネットワーク 教科書第15章に目を通し、必要な基礎知識を把握する（240分）
第11回 次元削減 主成分分析、多様体学習 教科書第20章に目を通し、必要な基礎知識を把握する（240分）
第12回 クラスタリング（1） K-Meansクラスタリング 教科書第21章第3節に目を通し、必要な基礎知識を把握する（240分）
第13回 クラスタリング（2） スペクトラル・クラスタリング 教科書第21章第5節に目を通し、必要な基礎知識を把握する（240分）
第14回 強化学習 強化学習 参考書第35章に目を通し、必要な基礎知識を把握する（240分）
第15回 深層学習 深層学習
Deep Learning 		参考書第16章に目を通し、必要な基礎知識を把握する（240分）
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: 10%　B: 15%　C: --%　D: 25%
成績評価法
授業内のプレゼンテーション　50%、レポート　50％
教科書にかかわる情報
教科書 書名 Probabilistic machine learning : an introduction ISBN 9780262046824
著者名 Kevin P. Murphy 出版社 The MIT Press 出版年 2022
備考
授業は配布資料に基づいて行う。資料は適宜配布するため、急いで購入する必要は無い。
参考書にかかわる情報
参考書 書名 Probabilistic machine learning : advanced topics ISBN 9780262048439
著者名 Kevin P. Murphy 出版社 The MIT Press 出版年 2023
備考
上記以外に機械学習に関連する書籍や、国内外の研究論文を検索しておくこと。
メッセージ
キーワード
機械学習、回帰、分類、次元削減、クラスタリング、ニューラルネットワーク、強化学習、深層学習
持続可能な開発目標（SDGs）

  • 産業と技術革新の基盤をつくろう
(インフラ、産業化、イノベーション)強靱（レジリエント）なインフラ構築、包摂的かつ持続可能な産業化の促進及びイノベーションの推進を図る。
関連科目
パターン認識、機械学習
履修条件
連絡先
栗原　俊之
居室 ：理学部本館334号室
e-mail: t-kurihara@yamaguchi-u.ac.jp
オフィスアワー
金曜日　9時～17時

それ以外の曜日でも随時受け付ける。ただし、事前にメールにて連絡すること。

ページの先頭へ