機械学習発展 (実践)

講義の概要¶

この講義ではPythonを用いて、画像認識と機械学習の実践的な利用法について学ぶ。資料の中では、ライブラリを使った実装を用いる場合も、その背景にある理論とライブラリに頼らない簡易実装を与える。これにより、ライブラリのユーザから卒業し、自分の必要とする機械学習のメソッドを実装する力を養う。

求める前提知識¶

• Pythonの読み書きが不自由なくできる (基本的な読み書きだけだと辛いかもしれない)

• WindowsのPowerShellやMac/Linuxのターミナルの基本操作ができる

• 大学1, 2年生レベルの初等的な数学(特に線形代数)の知識

想定受講者¶

• Pythonを用いた画像認識・機械学習システムの実装方法について学びたい人

• 深層学習だけでなく、画像認識・機械学習技術の背景にある理論を学びたい人

資料中の表記について¶

• こちらをご覧ください

参考図書¶

• M. Beyeler 著、池田ほか訳、『OpenCVとPythonによる機械学習プログラミング』、マイナビ [URL]

• A. Geron 著、下田 監修、長尾 訳、『scikit-learn、Keras、TensorFlowによる実践機械学習 (第2版)』、オライリー社 [URL]

• 赤穂 著、『カーネル多変量解析』、岩波書店 [URL]

• R. S. Sutton, A. G. Barto 著、鈴木ほか訳、『強化学習 (第2版)』、森北出版 [URL]

以下、一橋大生向け情報

講義について¶

• 実施時限: 秋冬学期 第2限

• 教室: 東2号館棟2206教室

講義形式¶

• 資料の内容を全て講義内で解説することはしないので、必要に応じて自習をお願いします。

• 資料を全て理解する必要はありませんが、演習については課題が解けるように取り組んでください。

講義日程¶

• 事前準備

  • Python環境の設定

  • Git環境の設定

• 第1回

  • NumPyの基本

  • Matplotlibの基本 (自習)

  • Pandasの基本 (自習)

• 第2回

  • OpenCVの基本

  • 図形の検出

• 第3回

  • scikit-learnによる機械分類の基本

• 第4回

  • 演習 1 - 画像入力式数独ソルバーの作成

• 第5回

  • 演習 1 - 画像入力式数独ソルバーの作成

• 第6回

  • データ可視化と次元削減

• 第7回

  • 画像特徴量の抽出

  • 深層学習による画像識別 (自習)

• 第8回

  • 演習2 - 百人一首エージェントの作成

• 第9回

  • 演習2 - 百人一首エージェントの作成

• 第10回

  • 強化学習の基礎

  • SARSAとQ学習

  • 深層強化学習 (自習)

• 第11回

  • オセロAIの作成

• 第12回

  • 演習3 - オセロAIの作成

• 第13回

  • 演習3 - オセロAIの作成

課題の提出方法¶

• こちらを参照ください。