授業情報/Course information

開講学期/Course Start 2023年度/Academic Year   後期/Second
開講曜限/Class period 火/Tue 9 , 火/Tue 10
授業区分/Regular or Intensive 週間授業
対象学科/Department システム理化学科数理情報システムコース
対象学年/Year 3年 , 4年
授業科目区分/Category 教育課程 システム理化学科
必修・選択/Mandatory or Elective 選択
授業方法/Lecture or Seminar 講義科目
授業科目名/Course Title 認識と学習/Learning and Recognition
単位数/Number of Credits 2
担当教員名/Lecturer 倉重 健太郎 (システム理化学科数理情報システムコース)
時間割コード/Registration Code J4150
連絡先/Contact 倉重 健太郎(教員室:R302, kentarou[at]muroran-it.ac.jp)
オフィスアワー/Office hours 倉重 健太郎(水曜日 16:30-17:00)
実務経験/Work experience
更新日/Date of renewal 2023/08/18
授業のねらい
/Learning Objectives
情報関連技術の高度化と普及に伴い,現在の情報科学で扱うべき「情報」の種類は急速に多様化・複雑化が進んでいる.しかし,コンピュータの処理能力がいくら向上しても,あらゆる場面で適切な処理を行うシステムの構築は簡単ではない.無数の状況を事前に想定し,その処理方法を逐一プログラムすることは限界がある.このため,現在の情報処理システムは,単なる計算機ではなく,現在の状況を自ら「認識」し,適応的に「学習」する,知的なシステムであることが求められている.本講義では,機械学習に関する基本的なアルゴリズムを理解し,現実の問題に応用できる能力を習得する.また,認識・学習を行う簡単なプログラム(学習認識機械)を実際に作成することで,工学的な問題に対する適用方法やデータ分析の手法を実践的に習得する.
到達度目標
/Outcomes Measured By:
1.機械学習に関する基礎的なアルゴリズムを理解し,その特徴を説明できる(理解力).
2.機械学習における対象問題を理解し,具体的な問題に応用できる(応用力).
3.学んだアルゴリズムを用いて学習認識プログラムを作成し,対象問題に対して学習パフォーマンスを得られるようパラメータを選択できる(実践力).
授業計画
/Course Schedule
講義科目 : 1単位 45分x2時限x10回=15時間
演習科目 : 1単位 45分x2時限x5回=7.5時間
総授業時間数(実時間):22.5時間

講義
1回目 強化学習背景
2回目 強化学習概要 (教科書p.2-7)
3回目 行動選択手法概要 (教科書p.29-33)
4回目 強化学習問題 (教科書p.55-62,74-81)
5回目 状態遷移確率と報酬モデル (教科書p.62-74)
6回目 動的計画法 (教科書p.94-109)
7回目 モンテカルロ法 (教科書p.119-131)
8回目 TD学習:概要 (教科書p.142-167)
9回目 TD学習:TD予測の定式化 (教科書p.142-151)
10回目 TD学習:TD制御の定式化 (教科書p.151-159)
演習
11回目 強化学習問題に対する演習
12回目 強化学習の実装:雛形プログラムの理解
13回目 強化学習の実装:行動選択手法の実装
14回目 強化学習の実装:TD学習の実装
15回目 計算機シミュレーションによる学習プログラムの動作検証とパラメータの検証

定期試験

教科書の該当部分をあらかじめ予習して講義に臨むこと.
各回の学修時間の目安は、事前・事後合わせて4時間必要です。
参考書等
/Required Materials
強化学習 Richard S. Sutton, Andrew G. Barto [著] ; 三上貞芳, 皆川雅章共訳 森北出版 2000(ISBN:4627826613)
強化学習(第2版)Richard S. Sutton, Andrew G. Barto [著] ; 三上貞芳, 皆川雅章共訳 森北出版 2022(ISBN:4627826621)
成績評価方法
/Grading Guidelines
・成績は定期試験(70点)およびレポート(30点)にて評価し,100点満点中60点以上の者を合格とする.

各到達度目標の評価方法は,次のように行う.
目標1.定期試験において論述問題を出題し,達成度を評価する.
目標2.定期試験において実例を分析する問題を出題し,達成度を評価する.
目標3.レポートに記載されたプログラムのソース・結果・考察から,達成度を評価する.
履修上の注意
/Notices
授業関係の情報をmoodleの「認識と学習」に記載するので,事前に確認しておくこと.
教員メッセージ
/Message from Lecturer
・「認識と学習」で学ぶ柔軟で適応的な情報処理技術は,情報科学のあらゆる場面で必要とされるものである.本講で扱う内容は,現在も新たな知見が続々と集積されつつある進展中の分野であり,将来研究開発の一線に立つ諸君に,今後様々な応用が見込まれるこの分野に対応できるよう,その基礎理論と考え方について理解を深めるものである.
学習・教育目標との対応
/Learning and Educational Policy
この授業科目は情報電子工学系学科の情報システム学コースとコンピュータ知能学コースの教育目標の以下の項目に対応している.
・情報技術者[コンピュータサイエンス]情報工学の基礎知識と応用能力を身につける.
関連科目
/Related course
・履修の必須要件となる科目はないが,「線形代数」,「確率・統計」の内容を修得していると理解しやすい.
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません
Active learning 1-1
/主体的学修(反転授業,小テスト,振り返り 等)
該当なし
Active learning 1-2
/上記項目に係るALの度合い
該当なし
Active learning 2-1
/対話的学修(グループ学習,協働,調査体験 等)
該当なし
Active learning 2-2
/上記項目に係るALの度合い
該当なし
Active learning 3-1
/深い学修(複数科目の知識の総合化や問題解決型学修 等)
該当なし
Active learning 3-2
/上記項目に係るALの度合い
該当なし