タイトル

開講年度 開講学部等
2025 大学院創成科学研究科（博士後期）
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
前期 未定 講義 5.0
時間割番号 科目名[英文名] 使用言語 単位数
4241010070 応用機械学習特論 日本語 2
担当教員（責任）[ローマ字表記] メディア授業
野﨑　隆之[NOZAKI Takayuki] ー
担当教員[ローマ字表記]
野﨑　隆之　[NOZAKI Takayuki], 酒見　はる香　[SAKEMI Haruka]
特定科目区分   対象学生 令和４年度以降入学者対象 対象年次  
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．
授業の到達目標
機械学習の理論に関する知識を深める．
授業計画
【全体】
前半8回で機械学習アルゴリズムとその天文学への応用を紹介する．後半8回で情報論的学習理論について輪講形式で理解を深める．
項目 内容 授業時間外学習 備考
第1回 オリエンテーション
機械学習と天文学の基礎
 		前半8回の講義の進め方を説明し，講義の内容の概要を説明する．また、機械学習と天文学の基礎を解説する。 機械学習の概念を調べ，情報科学分野の位置づけを把握する（目安時間：２時間）
・必要な天文学に関する基礎知識を把握する（目安時間：2時間）
第2回 天文学における分類問題 天文学で用いられる分類の手法と実例を紹介する。 前回の授業内容のまとめと予習をする（目安時間：4時間）
第3回 天文学における回帰問題 天文学での回帰問題の種類と実例を紹介する。 前回の授業内容のまとめと予習をする（目安時間：4時間）
第4回 天文画像やシミュレーションデータの生成 天文画像やシミュレーションデータの生成について紹介する。 前回の授業内容のまとめと予習をする（目安時間：4時間）
第5回 クラスタリングと次元削減 天文学研究で用いられるクラスタリングと次元削減の手法と実例を紹介する。 前回の授業内容のまとめと予習をする（目安時間：4時間）
第6回 機械学習の天文学への応用（１） 各自で調べてきた天文学への機械学習の手法の応用の実例、またはその可能性について発表してもらう。 これまでの授業内容を参考に機械学習の天文学への応用について調べ、まとめてくる（目安時間：4時間）
第7回 機械学習の天文学への応用（２） 各自で調べてきた天文学への機械学習の手法の応用の実例、またはその可能性について発表してもらう。 これまでの授業内容を参考に機械学習の天文学への応用について調べ、まとめてくる（目安時間：4時間）
第8回 前半8回分の授業のまとめ 授業内容のまとめ 授業内容のまとめ（目安時間：4時間）
第9回 オリエンテーション：情報論的学習理論の概要 第９回以降の講義の進め方を説明し，講義の内容の概要を説明する． ・参考書1章を読み，情報論的学習理論の位置づけを把握する（目安時間：1時間）
・参考書2,3章に目を通し，必要な基礎知識を把握する（目安時間：3時間）
第10回 符号化と学習 情報源符号化・二段階符号化・ベイズ符号化・確率的コンプレキシティ ・予習として，参考書2.1節を熟読し，その内容の把握に努める（目安時間：4時間）
第11回 一括学習とモデル選択 MDL規準，確率的PAC学習モデル ・予習として，参考書2.2節を熟読し，その内容の把握に努める（目安時間：4時間）
第12回 逐次的符号化と逐次的予測 逐次的確率予測問題と予測アルゴリズム ・予習として，参考書2.3節を熟読し，その内容の把握に努める（目安時間：4時間）
第13回 確率的コンプレキシティと学習 拡張型確率的コンプレキシティ（ESC），ESCと一括予測および逐次的予測 ・予習として，参考書3.1節を熟読し，その内容の把握に努める（目安時間：4時間）
第14回 動的モデル選択 動的モデル選択，一括型動的モデル選択 ・予習として，参考書3.2節を熟読し，その内容の把握に努める（目安時間：4時間）
第15回 学習と最適化 EMアルゴリズム，マルコフ連鎖モンテカルロ法，スパース正則化 ・予習として，参考書3.3節を熟読し，その内容の把握に努める（目安時間：4時間）
第16回 後半8回分の授業のまとめ 授業内容のまとめ 授業内容のまとめ（目安時間：4時間）
※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: --%　B: 50%　C: --%　D: --%
成績評価法
（前半）
授業内のレポート　60%
発表　40%

（後半）輪講での発表を通じ講義内容の理解度を評価する．
輪講での発表 100%
教科書にかかわる情報
備考
使用しない．
参考書にかかわる情報
参考書 書名 Machine learning for physics and astronomy ISBN 9780691206417
著者名 Viviana Acquaviva 出版社 Princeton University Press 出版年 2023
備考
メッセージ
キーワード
機械学習，天文学，機械学習理論
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
履修条件
連絡先
野﨑　隆之　：居室 理学部本館330号室，e-mail: tnozaki@yamaguchi-u.ac.jp
酒見　はる香：居室 理学部本館335号室，e-mail: sakemi@yamaguchi-u.ac.jp
オフィスアワー
野崎　隆之　：平日の昼休み (12:00-13:00)（その他の時間でも構いませんが，その場合は事前に連絡をしてください）
酒見　はる香：平日の昼休み (12:00-13:00) (その他の時間の場合は事前連絡をお願いします)

ページの先頭へ