講義名 情報処理論Ⅱ　≪大学院≫
講義開講時期 後期
曜日･時限 水６
単位数 2

担当教員
氏名
寺沢　幹雄

学習目標(到達目標) 本講義では，以下の能力を身につけることを目指す。
1. Pythonプログラミングで機械学習の手法を修得できる。
2. 自らが設定した問題を機械学習の手法で解決する能力を身につけることができる。
授業概要(教育目的) 本講義では，「情報処理論I」で学んだ機械学習，深層学習をはじめとする人工知能の手法を解説する。また，実際のPythonプログラミングを通して実践力を身につけてもらう。授業の前半では，例題により基礎的な手法を整理し，後半では，例題を参考に各自が設定したテーマを分析，シミュレーションをしてもらうことで，実社会でも役立つ問題解決能力を育成する。
授業計画表
 
回項目内容
第1回画像データの分類(1)画像認識を通してPythonを使った機械学習による分類問題の解法を学習する。
【事前学習】1時間
教科書の第6章をあらかじめ読んでおくこと。
【事後学習】1時間
教科書をよく復習し，プログラムの意味について理解すること。
第2回画像データの分類(2)機械学習による画像認識の問題点と限界について学習する。
【事前学習】1時間
教科書の第6章をあらかじめ読んでおくこと。
【事後学習】1時間
教科書をよく復習し，プログラムの意味について理解すること。
第3回金融データの分析(1)為替データをPythonでグラフ表示して，データの性質を把握する。
【事前学習】1時間
授業前に配布する資料をよく読んでおくこと。
【事後学習】1時間
授業内容をよく復習し，配布資料のモデル，定式化について理解すること。
第4回金融データの分析(2)Pythonを使い，為替データのクラスタ分析を行う。
【事前学習】1時間
授業前に配布する資料をよく読んでおくこと。
【事後学習】1時間
授業内容をよく復習し，配布資料のモデル，定式化について理解すること。
第5回金融データの分析(3)株価データをPythonで分析し，売買戦略を検討する。
【事前学習】1時間
授業前に配布する資料をよく読んでおくこと。
【事後学習】1時間
授業内容をよく復習し，配布資料のモデル，定式化について理解すること。
第6回金融データの分析(4)株価データからシステムトレードのシミュレーションを行う。
【事前学習】1時間
授業前に配布する資料をよく読んでおくこと。
【事後学習】1時間
授業内容をよく復習し，配布資料のモデル，定式化について理解すること。
第7回分析テーマの検討機械学習の手法を使って分析，シミュレーションを行うために，各自で問題を設定する。
【事前学習】1時間
これまでの授業内容を復習した上で，各自の関心のある課題について解法の適用可能性を検討しておくこと。
【事後学習】1時間
授業時間内で課題がまとまらなかった場合，次回までにまとめておくこと。
第8回分析データの調査各自が設定した問題について，どのようなデータが必要になり，どのような手段で入手できるのかを検討する。
【事前学習】1時間
学内外で入手可能なデータを調べておくこと。
【事後学習】1時間
授業時間内で調査が終了しなかった場合，次回までに調査を終えておくこと。
第9回分析データの入手各自が設定した問題について，必要となるデータを収集する。
【事前学習】1時間
学内外で入手可能なデータを調べておくこと。
【事後学習】1時間
授業時間内でデータが入手できなかった場合，次回までに入手しておくこと。
第10回分析手法の検討収集したデータに適用するのに最適な機械学習の手法を検討する。
【準備学習】1時間
教科書や，授業で触れた手法について，適用可能分野，特徴について復習しておくこと。
【事後学習】1時間
次回にプログラミングできるように手法を具体化しておくこと。
第11回分析のためのブログラミング(1)データを分析，シミュレーションするためのPythonによる機械学習プログラムを作成する。
【事前学習】1時間
Pythonプログラミングを復習しておくこと。
【事後学習】1時間
プロトタイプを完成させておくこと。
第12回分析のためのプログラミング(2)データを分析，シミュレーションするためのPythonによる機械学習プログラムを作成する。
【事前学習】1時間
Pythonプログラミングを復習しておくこと。
【事後学習】1時間
プログラムを完成させておくこと。
第13回分析のためのプログラミング(3)データを分析，シミュレーションするためのPythonによる機械学習プログラムを作成する。
【準備学習】1時間
Pythonプログラミングを復習しておくこと。
【事後学習】1時間
実際のデータを適用したプログラムが意図した動作をするまで，プログラムを見直すこと。
第14回分析結果の検討データの分析，シミュレーションにより得られた結果が問題ないか検討する。
【事前学習】1時間
同一テーマについて，他の手法による結果がないかどうかを調べておくこと。
【事後学習】1時間
分析結果についてよく考察しておくこと。
第15回分析手法の改善考察して得られた結果を改善するためにプログラムを修正する。
【事前学習】1時間
他の手法と近い結果を得るために考慮すべきことを検討してくること。
【事後学習】1時間
結果が予想される精度内におさまるように手法やパラメータを調整すること。
授業形式 前半はコンピュータを用いた実習と講義，後半は各自のテーマに合わせたアクティブラーニング形式とする。
評価方法
定期試験 レポート 小テスト 授業への
参画度 		その他 合計
0% 50% 10% 40% 0% 100%
評価の特記事項 レポートはPythonでの課題が中心になるので，自宅でも開発できる環境を用意すること。
テキスト 株式会社システム計画研究所編，『Pythonによる機械学習入門』，オーム社，2016年，2,600円(税抜)．
参考文献 日本ディープラーニング協会監修，『ディープラーニングG検定公式テキスト』，翔泳社，2018年，2,800円(税抜)．
オフィスアワー(授業相談) 事前にアポイントをとり，指示された時間に8号館の研究室に来ること。連絡先は授業初回に説明する。
事前学習の内容など，学生へのメッセージ 「情報処理論I」を履修しているか，同等の知識を持っていることを前提とする。
実習を伴うので，一度でも欠席すると周囲に迷惑をかけることになる。欠席のないようにすること。