コンテンツにスキップ

EEIC前期実験i2 (2026)

本ページは東京大学工学部電気系2学科（電子情報工学科・電気電子工学科）の3年生向けの前期実験情報第2部（i2）のテキストとなるWebページです。

What's New?

この実験について

  • 機械学習の基礎的な作法を学ぶ
  • 特に、CPU上で実行する古典的な機械学習の知識を習得する

キーワード

  • 学術的キーワード：機械学習、前処理、線形分類・線形回帰、主成分分析、クラスタリングと可視化、深層学習
  • 技術的キーワード：Python, Google Colaboratory, Numpy, Scipy, scikit-learn, matplotlib, PyTorch
  • 関連する講義：信号解析基礎、ソフトウェアI、ソフトウェアII、プログラミング基礎演習、アルゴリズム、信号処理工学、統計的機械学習

担当教員

  • 工学部電子情報工学科 准教授 齋藤 大輔（mailto: dsk_saito [at] gavo.t.u-tokyo.ac.jp ）
  • 工学部電子情報工学科 講師 松井 勇佑（mailto: matsui [at] hal.t.u-tokyo.ac.jp ）

実施日とカリキュラム

全て3、4限 (13:00〜16:40)

  • 第1日 (2026/06/15)
    • Colabの設定
    • Numpy入門
    • 機械学習とは
  • 第2日 (2026/06/16)
    • データの前処理
    • 線形回帰・線形分類
    • ハイパーパラメータ選択、交差検定（一部）
  • 第3日 (2026/06/18)
    • 線形分類
    • 主成分分析
    • クラスタリング・可視化
  • 第4日 (2026/06/22)
    • クラスタリング
    • 主成分分析
    • 非負値行列因子分解
  • 第5日 (2026/06/23)
    • ニューラルネットワークの基礎
    • 深層学習への接続
  • 第6日 (2026/06/25)
    • 完成度を上げる

実験の進め方

本HPを読みながら進めてください。ただし実験班内で実装能力に差があっても、互いに確認をしながらある程度歩調を合わせて進めてください。少なくとも本実験中はAIに聞く前に人（特に実験班内の人）に聞くようにしてください。

実験中はTAがサポートします。わからないことがあれば気軽にTAに聞いたりSlackで質問してください。AIに聞くことは妨げませんがとにかく自分で考える時間を確保する癖をつけてください。

成績評価

ノートブック形式で最終レポートを提出。