到達目標
①連立一次方程式を解くことのできるアルゴリズムを理解し，プログラミングができる．
②Google Colaboratoryを用いてPythonプログラムの作成方法を理解する．
③機械学習のうち畳み込みニューラルネットワークを用いた画像解析演習プログラムを作成し，内容の理解を深める．
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 連立1次方程式の数値解法、Android Studio | 各授業項目の内容を理解し、応用できる。 | 各授業項目の内容を理解している。 | 各授業項目の内容を理解していない。 |
| Pythonプログラムの作成方法を理解する | 各授業項目の内容を理解し、応用できる。 | 各授業項目の内容を理解している。 | 各授業項目の内容を理解していない。 |
| 畳み込みニューラルネットワークを用いた画像解析演習プログラムを作成し，内容の理解を深める | 各授業項目の内容を理解し、応用できる。 | 各授業項目の内容を理解している。 | 各授業項目の内容を理解していない。 |
学科の到達目標項目との関係
学習・教育到達度目標 (B)
説明
閉じる
学習・教育到達度目標 (D)
説明
閉じる
学習・教育到達度目標 (E)
説明
閉じる
学習・教育到達度目標 (F)
説明
閉じる
教育方法等
概要:
前半は連立一次方程式を解くアルゴリズムを講義し，その演習を行う．続けて，最新のGoogle Colaboratory環境を利用して初歩的なPythonプログラミング技術を学ぶ．さらに人工知能技術を学び，畳み込みニューラルネットワークを用いた機械学習プログラムを作成しそのアプリケーションを実施する．
この科目の一部では、企業において機器制御プログラミングを担当した教員が、その経験を活かし、プログラミングに関する授業を行う。
授業の進め方・方法:
中間試験は実施せず、その代わりにレポート課題による成績評価を行う。期末試験は実施せず、その代わりにアプリケーションソフトウェア作品を制作してもらいそれをもって成績評価を行う。
課題、作品等の成績を100％として総合的に評価し60点以上を合格とする。すべての課題を既定の締切時間までに正当な形で提出している者のみ再試験（再課題）を受験できる。課題提出の遅れはいかなる理由によっても認めない。この科目は学修単位科目のため、事前、事後の学習として、適切な回数の演習課題を出題する。
さらに事前、事後の学習として、担当教員に自身の作成したソフトウェアの成果報告を規定の回数分行ってもらう．
注意点:
新しくPython言語を用いるため、まずは今までに学んできたコンピュータプログラミングの知識を応用することにより，簡単なプログラムを作成できるために自身でコードを調べて自由に作成できるようになることが必要である。
現在プログラム作成上でわからないことがあればインターネットから探し出すのが一般的である。そのようなテクニックも身に着けていく必要がある。また、今までの未収得知識が必要になった場合は自学自習により補完すること．自学自習の確認方法：適切な回数分の演習課題を出題する。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
連立一次方程式(1) |
ガウスジョルダンの消去法、アルゴリズム
|
| 2週 |
連立一次方程式(2) |
ガウスジョルダン法を用いたプログラミング
|
| 3週 |
連立一次方程式(3) |
さまざまな連立一次方程式を解くことのできるプログラムの作成
|
| 4週 |
連立一次方程式(4) |
さまざまな連立一次方程式を解くことのできるプログラムの作成演習
|
| 5週 |
人工知能、ディープラーニングの概要、開発環境 |
人工知能の概要を理解し、Colaboratory環境をセットアップし今後の授業に臨む
|
| 6週 |
Pythonの基礎1 |
Pythonの基礎的命令、関数、NumPyを使用する
|
| 7週 |
Pythonの基礎2 |
その他ライブラリを使用する
|
| 8週 |
簡単なディープラーニング1 |
ディープラーニングの概要を理解し、実装する練習を行う
|
| 2ndQ |
| 9週 |
簡単なディープラーニング2 |
演習で作成したプログラムを実行し理解を深める
|
| 10週 |
ディープラーニングの理論1 |
ディープラーニングの理解に必要なことを学び進めていく
|
| 11週 |
ディープラーニングの理論2 |
ディープラーニングの理解に必要なことを学び進めていく
|
| 12週 |
ディープラーニングの理論3 |
ディープラーニングの理解に必要なことを学び進めていく
|
| 13週 |
畳み込みニューラルネットワーク1 |
CNN演習プログラムの作成を進めていき、理解を深める
|
| 14週 |
畳み込みニューラルネットワーク2 |
CNN演習プログラムの作成を進めていき、理解を深める
|
| 15週 |
畳み込みニューラルネットワーク3 |
CNN演習プログラムの実行し、理解を深める
|
| 16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
| 基礎的能力 | 工学基礎 | 情報リテラシー | 情報リテラシー | 情報を適切に収集・処理・発信するための基礎的な知識を活用できる。 | 3 | 前4 |
| 論理演算と進数変換の仕組みを用いて基本的な演算ができる。 | 3 | 前4 |
| コンピュータのハードウェアに関する基礎的な知識を活用できる。 | 3 | 前4 |
| 同一の問題に対し、それを解決できる複数のアルゴリズムが存在しうることを知っている。 | 3 | 前15 |
| 与えられた基本的な問題を解くための適切なアルゴリズムを構築することができる。 | 3 | 前15 |
| 任意のプログラミング言語を用いて、構築したアルゴリズムを実装できる。 | 3 | 前15 |
評価割合
| 試験 | 課題等 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 0 | 100 | 0 | 0 | 0 | 0 | 100 |
| 基礎的能力 | 0 | 100 | 0 | 0 | 0 | 0 | 100 |
| 専門的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |