課題１ 機械学習基礎１，教師あり学習

課題1のテンプレートの取得

課題は IED のフォルダに置いてあります．

/usr/local/class/media/kada1

これを各自で取得してください．

テンプレートフォルダの取得

作業を行うため，テンプレートをフォルダごと IED のローカルマシンにクローンします． 場所は，準備のところで述べたように ~/notebook ディレクトリの下に無いと jupyterhub が ファイルを読み込めませんので注意してください．

$ cd ~/notebook
$ rsync -avz /usr/local/class/media/kadai1/ kadai1/

などとして取得します． ディレクトリは ~/notebook の下であれば，jupyterhub は読めますので， 適宜ディレクトリを掘ってもらってもOKです．

課題1: 多層ニューラルネットワークによるMNISTデータセットの識別

課題1 は，MNIST と呼ばれる数字データの識別実験を多層パーセプトロン(MLP)で行います． リポジトリ内にある， Question.ipynb というファイルに課題を解いて出してください．

なお，課題を解くにあたり，演習を５題用意しました．

  • 01.Regression1.ipynb １変数の回帰問題（最小二乗法）

  • 02.Classification1.ipynb 1変数の識別問題（ロジスティック回帰）

  • 03.Classification2.ipynb 2変数の識別問題（ロジスティック回帰）

  • 04.Classification3.ipynb 2変数の識別問題（MLP）

  • 05.MNIST.ipynb MNISTデータセットのロジスティック回帰による識別

が演習にあたります． 01.Regression1.ipynb は機械学習とはどんなことをするのかを表した演習になります． 02.Classification1.ipynb と 03.Classification2.ipynb は，低次元でのパターンの識別問題を扱います． 04.Classification3.ipynb は，同様に低次元でのパターン識別問題を，ニューラルネットワークモデルである多層パーセプトロンを使って解く演習です． 05.MNIST.ipynb は，入力を高次元の画像にして MNISTデータセットを使って識別問題を解く演習です． 課題１は， 05.MNIST.ipynb と 04.Classification.ipynb 組合せて解くことによって，解けます．

これらの演習問題の解答例は PracticeHint の中にあります．

課題の提出

演習1から演習5までの問題，および課題1 をとき終えたら，各ノートブックを PDF にしてください． PDFにするにはブラウザの印刷を選択して，PDFで保存をすればOKのハズです． これを，指定された課題提出ページへアップロードしてください．

指定場所は，

https://mm.cs.uec.ac.jp/media/

の第1回目の行が提出場所になります．

  • 1問目〜5問目までに，それぞれ演習1~5 に該当するファイルをアップロードしてください

  • 6問目に課題に該当するファイルをアップロードしてください．