到達目標
1.基礎的な畳み込みニューラルネットワークについて理解し、各手法について説明できる。
2.基本的な検定と応用について理解し,説明できる。
3.実際のデータに対して課題解決を行うシステムを実装し、説明できる。
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 |
評価項目1 | 基礎的な畳み込みニューラルネットワークについて理解し,活用できる。 | 基礎的な畳み込みニューラルネットワークについて理解し,説明できる。 | 基礎的な畳み込みニューラルネットワークについて理解できない。 |
評価項目2 | 基本的な検定と応用について理解し,活用できる。 | 基本的な検定と応用について理解し,説明できる。 | 基本的な検定と応用について理解できない。 |
評価項目3 | 実際のデータに対して課題解決を行うシステムを実装し、活用できる。 | 実際のデータに対して課題解決を行うシステムを実装し、説明できる。 | 実際のデータに対して課題解決を行うシステムを実装できない。 |
学科の到達目標項目との関係
1
説明
閉じる
JABEE C-1
説明
閉じる
教育方法等
概要:
前半は,「人工知能」について学習する。誤差逆伝播法,学習に関するテクニック,畳み込みニューラルネットワーク,ディープラーニングについて学習する。Pythonによるプログラミングを通して,人工知能の基礎的な技術を身に付ける。
後半は,「データサイエンス」について学習する。学習項目は,分散分析,二項検定,回帰分析である。Rによるプログラミングを通して,データサイエンスの基礎的な技術を身に付ける。
授業の進め方・方法:
講義演習形式で実施する。
注意点:
注意点:
(1)点数配分:定期試験100%とする。
(2)評価基準:60点以上を合格とする。
(3)再試:再試験を行う。60点以上を合格(60点)とする。
(4)準備学習:事前に予習を済ませておくこと。
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 |
誤差逆伝播法① |
計算グラフ,連鎖律,逆伝播,単純レイヤ実装ついて理解し,演習課題を解くことができる。
|
2週 |
誤差逆伝播法② |
活性化関数レイヤ実装,Affineレイヤ実装,Softmaxレイヤ実装,誤差逆伝播法実装について理解し,演習課題を解くことができる。
|
3週 |
学習に関するテクニック① |
重みの初期値,Batchi Normalizationについて理解し,演習課題を解くことができる。
|
4週 |
学習に関するテクニック② |
正則化,ハイパーパラメータの最適化について理解し,演習課題を解くことができる。
|
5週 |
畳み込みニューラルネットワーク① |
畳み込み層,プーリング層について理解し,演習課題を解くことができる。
|
6週 |
畳み込みニューラルネットワーク② |
Convolutionレイヤ,Poolingレイヤ,CNNの実装について理解し,演習課題を解くことができる。
|
7週 |
ディープラーニング① |
ディープラーニングの歴史,高速化について理解し,理解を深めることができる。
|
8週 |
ディープラーニング② |
ディープラーニングの実用例,将来について理解し,理解を深めることができる。
|
2ndQ |
9週 |
分散分析① |
一元配置分散分析(対応なし,対応あり)について理解し,理解を深めることができる。
|
10週 |
分散分析② |
二元配置分散分析(対応なし,対応あり:1要因,2要因)について理解し,理解を深めることができる。
|
11週 |
ベクトルと行列の基礎,データフレーム |
ベクトルと行列の基礎,データフレームについて理解し,演習課題を解くことができる。
|
12週 |
二項検定 |
二項検定について理解し,演習課題を解くことができる。
|
13週 |
回帰分析 |
回帰分析について理解し,演習課題を解くことができる。
|
14週 |
因子分析 |
因子分析について理解し,演習課題を解くことができる。
|
15週 |
総復習 |
今までの学習事項について復習し,理解を含めることができる。
|
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 |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 40 | 0 | 0 | 0 | 0 | 0 | 40 |
専門的能力 | 60 | 0 | 0 | 0 | 0 | 0 | 60 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |