こんにちは。
立教大学人工知能科学研究科M1の第15週を振り返ります。
今週は、SVMのカーネルトリックや次元削減手法、ラグランジュ未定乗数法とKKT条件など、まさに数理的理解を一段引き上げる週となりました。
また、研究室では新たなテーマにも取り組むことが決定し、より一層研究活動が充実してきました。
今週の授業・ミーティング参加状況
7/7（月）
-
情報科学概論（録画視聴）
7/8（火）
-
機械学習（録画視聴）
7/11（木）
-
研究室定例ミーティング（研究進捗報告）
7/13（土）
-
数理科学概論（録画視聴）
-
機械学習演習（録画視聴）
■ 情報科学概論（月）
今週はソフトウェア開発における
-
ウォーターフォール開発
-
アジャイル開発
について学びました。
実務経験がある方にはなじみのある内容かもしれませんが、改めて学ぶことでそれぞれの長所と課題、使い分けのポイントが明確になりました。
■ 機械学習（火）
先週に引き続きSVMの内容で、
今週は**「カーネルトリック」**がメインテーマ。
-
非線形な分類問題を高次元空間に写して解く
-
カーネル関数で内積を計算してしまう巧妙さ
など、機械学習らしい“数理と直感の両立”が感じられ、非常に面白い内容でした。
■ 研究室定例ミーティング（木）
今週は研究の進捗を報告。
発表を通して、他メンバーや教授から
-
問題点の指摘
-
新しいアプローチの提案
などをもらい、非常に有意義な時間になりました。
また、今の研究に加えて新しいテーマにも取り組むことが決まりました。
研究がより広がっていきそうで、今後が楽しみです。
■ 数理科学概論（土）
今週は最適化の本質的な部分を掘り下げました。
-
ラグランジュ未定乗数法
-
KKT条件
-
双対問題との関係
-
さらにL1正則化とL2正則化の違いまで
これらが一つのストーリーとしてつながり、
「なぜ線形問題の変形ができるのか」「なぜL1とL2で挙動が違うのか」など、今まで疑問だったことが数理的に腑に落ちる瞬間がありました。
■ 機械学習演習（土）
今週は次元削減をテーマにした演習で、以下の手法を学習しました。
-
t-SNE
-
UMAP
-
MDS（多次元尺度構成法）
それぞれの特徴や適用シーンの違いを学ぶことで、
高次元データの可視化における選択肢が増えました。
とくにUMAPは高速かつ構造保持性が高いため、今後の研究でも使っていきたいと感じています。
今週のまとめ
今週は、
-
数理的理解（ラグランジュ/KKT/SVM）
-
応用的手法（次元削減）
-
実務視点（アジャイル/ウォーターフォール）
など、バランスよく学びが深まった1週間でした。
研究も一段落かと思いきや、新テーマもスタートし、また新たなチャレンジの始まりです。
夏に向けて、研究と授業の両立を意識して進めていきます。
それでは、また次週！
コメント