科目名	機械学習
単位数	2.0
担当者	知能工学専攻　教授　高濱　徹行
履修時期	後期（第4ターム）
履修対象	３年次
講義形態	講義
講義の目的	人間の重要な能力として、学習能力がある。この学習能力をコンピュータ上で実現する研究分野が機械学習である。決定木、ニューラルネットワークなどの知識表現およびID3、誤差逆伝播法、遺伝的アルゴリズムなどの機械学習アルゴリズムについて学び、事例からの規則性の抽出やシステムの最適化などの情報システム分野において必須となる応用力を身につける。
到達目標	・バージョン空間、決定木学習、ベイズ学習について説明できる。【知識２，技能１】 ・誤り訂正学習、誤差逆伝播法、ホップフィールドモデルについて説明できる。【知識２，技能１】 ・学習ベクトル量子化、自己組織化マップについて説明できる。【知識２，技能１】 ・アンサンブル学習、強化学習について説明できる。【知識２，技能１】 ・群知能、遺伝的アルゴリズムについて説明できる。【知識２，技能１】 ・上記の各学習法の特徴や相違点を理解し、実際の問題やデータに対して各学習アルゴリズムを適用できる。【知識２，技能１，思考力・判断力】
受講要件	「人工知能」を受講しておくことが望ましい。
履修取消の可否	可
履修取消不可の理由
事前・事後学修	事前に講義資料を読み、分からない部分をWeb検索などを用いて調べ、講義内容の概要を把握する。 講義中に出題される演習問題をもう一度解き、講義内容を復習する。 随時出題される課題を解き提出する。
講義内容	第１回　機械学習とは 第２回　概念学習１（FIND-S） 第３回　概念学習２（バージョン空間） 第４回　決定木の学習 第５回　単純ベイズ分類 第６回　ニューラルネットワーク１ （パーセプトロン） 第７回　ニューラルネットワーク２ （誤差逆伝播法） 第８回　中間まとめ（演習） 第９回　ニューラルネットワーク３ （ホップフィールドモデル） 第10回　ニューラルネットワーク４ （連想記憶） 第11回　競合学習（学習ベクトル量子化と自己組織化マップ） 第12回　アンサンブル学習 第13回　群知能 第14回　遺伝的アルゴリズム 第15回　強化学習 ※授業の順序は変更することがある。 ※上記とは別に期末試験を実施する。
期末試験実施の有無	実施する
評価方法・基準	授業参加度 20％（演習課題の提出を含む） 期末試験 80％
教科書等	参考書：荒木雅弘著「フリーソフトではじめる機械学習入門」（森北出版） 　　　　坂和正敏、田中雅博著「ニューロコンピューティング入門」（森北出版） 　　　　P.H.Winston 「Artificial Intelligence」（Addison-Wesley） 　　　　T.M.Mitchell 「Machine Learning」（McGraw-Hill） 　　　　安西裕一郎「認識と学習」（岩波書店）
担当者プロフィール	以下のホームページを参照してください。 http://www.ints.info.hiroshima-cu.ac.jp/takahama/ 研究室：情報棟６階　641室
講義に関連する実務経験
課題や試験に対するフィードバック	課題について解答例を示す。 中間まとめの課題について、解答を解説する。
アクティブ・ラーニング	振り返り
キーワード	概念学習、バージョン空間、決定木学習、ベイズ学習、ニューラルネットワーク、ベクトル量子化、自己組織化マップ、アンサンブル学習、群知能、遺伝的アルゴリズム、強化学習
備考