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．

.. code-block:: sh

    /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．


.. code-block:: sh

    $ 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．