データサイエンスと人工知能2

科目基礎情報

学校	久留米工業高等専門学校	開講年度	令和05年度 (2023年度)
授業科目	データサイエンスと人工知能2
科目番号	5S19	科目区分	専門 / 必修
授業形態	講義	単位の種別と単位数	履修単位: 1
開設学科	制御情報工学科	対象学年	5
開設期	前期	週時間数	2
教科書/教材	斎藤著，ゼロから作るDeep Learning，オライリー・ジャパン，山田他著，Rによるやさしい統計学，オーム社，その他配布資料
担当教員	松島 宏典

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 （制御情報分野に必要な、情報工学、通信ネットワーク、メカトロニクス、コンピュータ制御、および制御情報工学に関連した周辺技術に関連する基礎的な知識と技術を修得し、課題を解決するために活用できる。）

JABEE C-1 （制御、情報およびこれらに関連した機械、電気電子分野の専門知識を持ち、工学問題の解決に応用できる。）

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

アクティブラーニング

ICT 利用

遠隔授業対応

実務経験のある教員による授業

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

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