お知らせ

• 2021年度は全てオンラインのみで講義を実施します。LETUS に zoom のリンクがあるので、そちらから講義に参加してください。
• メールでの連絡先: hiroshi.kajino.1989 [あっと]ジ〜メール

レポート課題

• 提出期限: 2022年1月21日 23:59 (JST)（遅れたレポートは受け付けません）

• 提出場所: レタス「最終レポート課題」

• 課題内容
  1. 本講義の四章の「主成分分析」以降の内容で、わからなかったこと、わかりづらかったことをまとめてください
     • 数学的な内容とプログラミングの内容をそれぞれ少なくとも一つあげてください
     • 何が原因でわからなかったのか具体的に記述してください
       • よくない例）プログラミングのところが説明不足でわからなかった
         • 「プログラミングのところ」をより具体的に
         • どういう説明が足りなかったのか
       • 良い例）正規分布をオブジェクト指向で書くところがわからなかった。直前にオブジェクト指向の説明や入力チェックなどの説明があったが、それらを全て使って書かれていたため理解が追いつかなかった。
  2. 上であげた内容について、自ら調査し理解をした上で、わかりやすい講義資料を作ってください
     • 特に、上で挙げた原因を解決した講義資料としてください
       • 良い例）「はじめに、入力チェックなどのない書き方で正規分布のクラスを書く。それを理解させた上で入力チェックの説明をする。」という内容の講義資料
     • それぞれの内容につき3件以上の文献またはウェブページを調査した上で、それらをまとめるような資料にしてください
       • 例えば数学的な内容を2つ、プログラミングの内容を3つ書く場合は、合計15件以上の文献を参照してください
       • 必ず参考文献を書くこと
       • 既存文献からコピーがある場合は不可とする
         • 既存文献を読み込んで理解した上で、あまり既存文献を見ないで資料を作るとコピーにはならないはず…？
         • その状態で資料を作れないとすると理解不足の可能性がある？
  3. 上であげた調査を通じて、本講義の到達目標「機械学習・データマイニングの基礎的な学習手法（EMアルゴリズムや変分ベイズ法など）を理解し実装する能力を身につける。また未知の事柄に関して自ら主体的に調査し理解する能力を身につける。」の達成に近づけたことを議論してください。
  4. GitHub Classroom で課題提出を行った場合は、 GitHub のユーザ名を記載してください
• 提出フォーマット: 以下の条件を全て守ってください
  1. 1, 3番目の課題と2番目の課題の一部については Word などの文書作成ツールまたは jupyter notebook を使って、必ず以下の章立てで記述してください
     • 数学的な内容
       • わからなかった箇所
       • わからなかった原因
       • わかりやすくするための工夫
       • 参考文献
     • プログラミングの内容
       • わからなかった箇所
       • わからなかった原因
       • わかりやすくするための工夫
       • 参考文献
     • 本講義の到達目標との関連
  2. 2番目の課題の講義資料に関しては PowerPoint などのプレゼンテーションツールを用いて、以下の順番でスライドを作ってください
     • 数学的な内容に関する講義資料
     • プログラミングの内容に関する講義資料
• 評価基準
  • 内容の濃さ
  • 内容の正しさ
  • 論理的整合性（原因・解決策の整合性など）
  • 講義資料のわかりやすさ
• 注意事項
  • 4章の主成分分析より前に取り扱った内容に関するレポートに関しては、お題を満たしていないので点数を与えることができません。
    • 例えば、べき乗法、最尤推定の定義やベイズ推定などは範囲外です
    • 混合分布モデルのEMアルゴリズムは最尤推定ですが、その具体的な手続きは6章以降で初めて扱うので範囲内です
  • 講義資料に記載があるものでも、実際の講義で飛ばした箇所についても対象外とします
  • 提出いただいた講義資料を参考に来年度の講義資料を作ります
  • 仮に講義資料の全てを理解できた場合でも、講義資料の中で相対的にわかりづらい箇所は必ず存在するので、その箇所に関してレポートを作成してください
  • 提出いただいたものをそのまま使うことはない予定ですが、もし使いたい場合には個別に連絡します
  • 他の受講者のを写す、またはWebで拾った資料を提出するなどの不正行為が判明した場合は「不可」とします
    • 厳しく見るわけではないので、自分でやってみてください

期末評価について

• 上記のレポート課題と、Github Classroom を通じて解いていただいた理解度確認テストの採点結果とを合わせて最終評価を行います。
• レポート課題は従来通り採点し、理解度確認テストの結果を更なる加点要素として用いる予定です。
• 課題を始めるときに学生証番号と自分のGithubのアカウントを紐づけていない場合は採点できないので加点対象外となります。

講義資料

講義で使用した Jupyter notebook は ここ にあります。 以下のスライドでコードが見切れていたりする場合は上記サイトを参照ください。

• 第1章（自己紹介、講義の概要、Pythonの準備）
• 第2章（機械学習・人工知能概論）
• 第3章（Python 基礎）
• 第4章（線形代数）
• 第5章（確率・統計）
• 第6章（混合分布モデル）
• 第7章（トピックモデル）

講義で使用するもの

GitHub

• 質問はなるべくこちらでお願いします
• 他の人の質問もみることができるので、似たような質問がないかまず探してみてください（Closed と書いてあるところもみてみてください）

GitHub Classroom

GitHub はソフトウェア開発プラットフォームで、 GitHub Classroom はプログラミングの講義を支援するプラットフォームです。 本講義ではプログラミングの理解度を測るために、講義中に GitHub Classroom を用いて演習を行います。

• このガイドにしたがって GitHub Classroom のセットアップを行ってください。
• このガイドにしたがって GitHub Classroom での課題提出を行ってください。