# 2023年度津田塾大学 人工知能･機械学習 (演習付) 第6回講義 (2023-12-22)
## 本サイト（第6回講義）のリンク
https://hackmd.io/U0lbYM6cQ9-VZ0QLDya9Ag
## 前回（第5回講義）のリンク
https://hackmd.io/hreo3G38RlaQtnvjHEVTdQ

## 受講者の事前準備

- 講義でPCを使います。
- Google Colaboratoryで演習を行います (言語はPython)。
## 講義内容
### 　機械学習基礎[2/2]教師なし学習
　- 教師無し学習に注目し、クラスタリングや次元削減の手法を学ぶ。クラスタリング手法として、K-means、階層的クラスタリング、DBSCANなどを中心に紹介し、高次元データの可視化について主成分分析、MDS、ISOMap、t-SNEなどの次元削減手法を学ぶ。また、Pythonを使ったグラフ作成についても実例で紹介する。
### 【講義資料】
- 以下のリンクで資料をDLして、使ってください。
- https://www.dropbox.com/scl/fi/qbx5c6pebvdbnz5t4bg2x/6.pdf?rlkey=d2f2pxub6h9ek4wg1oauv64p2&dl=0

## 演習内容
### クラスタリング・次元圧縮分析の実践
- 講義で学んだクラスタリング手法を使用して、基本的なクラスタモデルを実装し、データの生成から結果考察での一連の流れを体験する。また、横断的比較を通じて、クラスタリング手法の特性を理解していくことも目的とする。
- 次元圧縮法のPCA、ISOmap、t-SNEを使って、高次元データの分布を可視化し、解析手法の有用性を解明する。
### 【演習資料】
- 以下のリンクでipynbファイルをDLして、使ってください。
https://colab.research.google.com/drive/1GyQBTIB3cHq0M1MaMlAnxbShijxBR4lB?usp=sharing

## 課題の提出について
- DLした演習資料に必要な内容を記入して、コードと出力結果込みのipynbファイルを提出してください
- 提出先: [e-mail]
- 期限: 12月31日正午まで
- 以下のメール件名とファイル名にして送信してください
- メール件名: ｢(学籍番号)_(名前)_第6回講義課題｣
- ファイル名: ｢(学籍番号)_(名前)_TsudaAI20231222.ipynb｣
### 評価基準
- 提出されたコードまた書いた考察に基づいて、採点します。
- 課題3に対しては、ソースコードを修正し、結果をまとめで、考察を書いてください。
- できるだけ実行できるソースコードも添付してください。
- 課題の後に指定された場所に答え・考察を書いてください。

### 一度提出したが編集して再提出したい場合
- 再提出であることがわかるように，以下のメール件名とファイル名にして送信してください．何回も再提出しても問題ないですが，何回目の再提出かわかるようにしてください．
- メール件名: ｢(学籍番号)_(名前)_第6回講義課題_再提出X回目｣
- ファイル名: ｢(学籍番号)_(名前)_TsudaAI20231222_再提出X回目.ipynb｣

### ipynbファイルのダウンロード方法
- Google Colabの｢ファイル - ダウンロード - .ipynbをダウンロード｣でipynbファイルをダウンロードできます
- または，自分のgoogle driveにコピーしたのであれば，google driveもipynbファイルをダウンロードできます

## 参考資料
- 機械学習の全般をカーバーする講習資料, https://aabbdd.jp/notes/files/20200114-machine_learning_intro.pdf
- Stanford CS229: Machine Learning Full Course taught by Andrew Ng, https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU
- Python Machine Learning: Scikit-Learn Tutorial https://www.datacamp.com/tutorial/machine-learning-python
- また、講習資料に入っているリンクなどを利用して、関連情報を調べましょう。