- 学部・研究科
Faculty/Graduate School - シ/環/化/工
- 時間割コード
Course Code - 60207
- 科目名
Course title
サブテーマ
Subtitle - 最適化数理特論
- 授業形態/単位
Term/Credits - クラス
Class -
- 春/2
- 担任者名
Instructor - 尹 禮分/尹 敏
- 曜限
Day/Period - 火3
- 授業概要
Course Description
到達目標
Course Objectives -
授業種別 / Teaching Types
<春>
講義（対面型）
言語 / Language
<春>
英語(English)授業概要 / Course Description
<春>
This course deals with theoretical tools and concepts on the latest various topics required for the machine learning, and the methods to design efficient and accurate prediction algorithms. It also covers several key application aspects of these algorithms. The lecture is focused on the following topics;
1. Linear Algebra including Linear Mappings
2. Analytic Geometry including Inner Product of Functions
3. Matrix Approximation and Matrix Decomposition
4. Vector Calculus
5. Probability and Distributions
6. Continuous Optimization
7. Linear Regression
8. Dimensionality Reduction with Principal Component Analysis
9. Classification with Support Vector Machines
学位授与方針との関係 / Related Diploma Policy
<春>
（理工学研究科(M環境都市工学)）
1.知識・技能
2.思考力・判断力・表現力等の能力
3.主体的な態度
到達目標 / Course Objectives
<春>
１．知識・技能
２．思考力・判断力・表現力等の能力
授業手法 / Teaching Methods
・学生による学習のふりかえり
・学生同士の意見交換（グループ・ペアワーク、ディスカッション、ディベート等含む）
・プレゼンテーション（スピーチ、模擬授業等含む）
- 授業計画
Course Content -
授業計画 / Course Content
<春>
01 Overview: Basic mathematical and statistical contents for researching machine learning and optimization
02 Linear Algebra: Solving systems of linear equations/ vector spaces/ linear independence/ basis and rank/ linear mappings norms and inner products
03 Matrix Decomposition: Determinants and traces/ eigenvalues and eigenvectors/ eigen decomposition and diagonalization
04 Vector Calculations: Differentiation of univariate functions/ partial derivatives and gradients/ gradients of vector-valued functions/ gradients of matrices
05 Probability and Distributions: Construction of probability space/ discrete and continuous probability/ rules of sum and product and bayes' theorem
06 Continuous Optimization: Optimization using gradient descent/ constrained optimization and lagrange multiplier/ convex optimization
07 Summary (on what you have learned)
08-09 Linear Regression: Formulation of problems/ parametric estimation/ single-variables regression/ multiple linear regression/ maximum likelihood method as orthogonal projection
10-11 Dimensionality Reduction with Principal Component Analysis: Formulation of principal component analysis/ maximum variance perspective/ projection perspective/ calculation of eigenvectors and low rank approximation
12-13: Classification with Support Vector Machines: Formulation of classification problem/ separation hyperplane/ maximal margin support vector machine/ primal and dual support vector machine/ kernel
14-15 Presentation on related research topics
授業時間外学習 / Expected work outside of class
<春>
・次回の授業範囲における学部の関連科目や専門用語の意味を理解しておくように予習すること。
・授業資料、教科書、ノートを読み返し、授業内容の理解に努めるよう復習をすること。
- 成績評価の方法・基準・評価
Grading Policies /
Evaluation Criteria -
方法 / Grading Policies
<春>
定期試験を行わず、平常試験(小テスト・レポート等)で総合評価する。
平常成績（レポート・課題・演習問題など）の比率を20点、中間サマリーを40点、期末発表を40点とし、計60点以上を合格とする。
基準・評価 / Evaluation Criteria・Assessment Policy
<春>
出席は4分の3以上、その他の項目は70％以上の水準を必要とする。
- 教科書
Textbooks <春>
備 考 / Note=====================================
<春>
必要に応じて 関大LMSやインフォメーションシステムを通じて資料を配布する．
-
参考書
References <春>
Marc Peter Deisenroth, A.A. Faisal, C.C. Ong Mathematics for Machine Learning Cambridge Press(2020)
B. Scholkopf and A.J. Smola Learning with Kernels MIT Press(2002)
備 考 / Note=====================================
<春>
- フィードバックの方法
Feedback Method <春>
- 担任者への問合せ方法
Instructor Contact <春>
オフィスアワー
取扱いの詳細については、講義の際に指示する。
メールアドレス
myoon0927@gmail.com (written in English)
yeboon@kansai-u.ac.jp (日本語)
- 備考
Other Comments <春>
基本、英語での講義となりますが、補足や必要であれば、状況に応じて日本語による説明を行います。