|
専門教育課程 情報工学科
| 授業科目区分 |
科目名 |
単位数 |
科目コード |
開講時期 |
履修方法 |
専門教育課程
専門科目
専門 |
学習理論
Machine Learning
|
2 |
E540-01 |
2024年度
６期（後学期）
|
修学規程第4条を参照 |
| 授業科目の学習・教育目標 |
| キーワード |
学習・教育目標 |
| 1.分類と認識
2.学習のプロセス
3.パーセプトロン
4.ニューラルネットワーク
5.ディープラーニング
|
コンピュータに知能を持たせ、人間の持つ優れた認知・情報処理を実現する人工知能は社会
のさまざまな領域で益々その重要性を増している。本科目では、人工知能の基盤技術となる
ニューラルネットワークとディープラーニングについて実践的に学ぶ。また、ディープラー
ニングの様々な応用についての理解を深める。 |
| 授業の概要および学習上の助言 |
| レポートに真面目に取り組む。レポートを通して、知識と技術を深く理解する |
| 教科書および参考書・リザーブドブック |
| 教科書：指定なし
参考書：指定なし
ﾘｻﾞｰﾌﾞﾄﾞﾌﾞｯｸ：指定なし |
| 履修に必要な予備知識や技能 |
| 画像処理、確率、およびプログラミング能力（Python or Java) |
| 学生が達成すべき行動目標 |
| No. |
学科教育目標
（記号表記） |
|
| ① |
D,J,L,M,R |
分類と認識の関係を理解し、説明できる。 |
| ② |
D,J,L,M,R |
学習なし分類方法と学習あり分類の違いを説明できる。 |
| ③ |
D,J,L,M,R |
単純パーセプトロンに関する基本的概念を理解し、プログラミングで実現できる。 |
| ④ |
D,J,L,M,R |
ニューラルネットワークに関する基本的な概念を理解し、プログラミングで実現できる。 |
| ⑤ |
D,J,L,M,R |
ディープラーニングを用いて地域振興のために応用課題を理解する。 |
| ⑥ |
|
|
| 達成度評価 |
|
|
評価方法 |
| 総合評価割合 |
0 |
0 |
100 |
0 |
0 |
0 |
0 |
100 |
| 指標と評価割合 |
総合評価割合 |
0 |
0 |
100 |
0 |
0 |
0 |
0 |
100 |
| 総合力指標 |
0 |
0 |
40 |
0 |
0 |
0 |
0 |
40 |
| 0 |
0 |
40 |
0 |
0 |
0 |
0 |
40 |
| 0 |
0 |
10 |
0 |
0 |
0 |
0 |
10 |
| 0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
| 0 |
0 |
10 |
0 |
0 |
0 |
0 |
10 |
| 評価の要点 |
| 評価方法 |
行動目標 |
評価の実施方法と注意点 |
| 試験 |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
クイズ
小テスト |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| レポート |
① |
レ |
report1:データ集め、前処理
report2:単純パーセプトロン
report3:ニューラルネットワーク基礎
report4:ニューラルネットワーク応用 |
| ② |
レ |
| ③ |
レ |
| ④ |
レ |
| ⑤ |
レ |
| ⑥ |
|
成果発表
(口頭・実技) |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| 作品 |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| ポートフォリオ |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| その他 |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| 具体的な達成の目安 |
| 理想的な達成レベルの目安 |
標準的な達成レベルの目安 |
| ニューラルネットワークの基本概念と学習プロセスを理解し、
プログラミングによって実現できる。ディープランニングの応
用について説明できる。 |
ニューラルネットワークの基本概念と学習プロセスを理解し、
プログラミングによって実現できる。 |
| 授業明細 |
| 回数 |
学習内容 |
授業の運営方法 |
学習課題 予習・復習 |
時間：分※ |
| 1 |
授業ガイダンス
分類と認知
processing インストール |
講義・演習・討論 |
予習：講義シラバス
復習：講義資料を理解する |
30
60 |
| 2 |
データ収集、前処理
レポート１作成 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
30
60 |
| 3 |
データ収集、前処理
レポート１作成・提出 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 4 |
学習なしアルゴリズム：クラスタリング法 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 5 |
学習あり分類：パーセプトロン
レポート２作成 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 6 |
パーセプトロン
レポート２作成 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 7 |
ニューラルネットワーク
レポート３作成 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 8 |
ニューラルネットワーク
レポート３作成 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 9 |
ニューラルネットワーク |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 10 |
ニューラルネットワーク |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 11 |
ニューラルネットワーク応用 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 12 |
ニューラルネットワークとディープラーニング
レポート4作成 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 13 |
ディープラーニングの応用
レポート4作成 |
講義・演習・討論 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 14 |
report4作成・提出 |
講義・演習 |
予習：配布資料を予習する
復習：講義内容を理解する、レポ
ートに取り組む |
60
60 |
| 15 |
自己点検授業
成績面談
学習内容まとめ |
講義・討論 |
復習：これまで学んだ機械学習全
般を振り返り、総括する。 |
60 |
|
一般に、授業あるいは課外での学習では：「知識などを取り込む」→「知識などをいろいろな角度から、場合によってはチーム活動として、考え、推論し、創造する」→「修得した内容を表現、発表、伝達する」→「総合的に評価を受ける、ＧｏｏｄＷｏｒｋ！」：のようなプロセス（一部あるいは全体）を繰り返し行いながら、応用力のある知識やスキルを身につけていくことが重要です。このような学習プロセスを大事に行動してください。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間（例えば2単位科目の場合、予習2時間・復習2時間／週）を取るよう努めてください。詳しくは教員の指導に従って下さい。