Course Objectives
1. パーセプトロンの概念を理解し、パーセプトロンを用いてさまざまな論理回路を実現できる。
2. ニューラルネットワークの概念を理解し、さまざまな活性化関数に基づくニューラルネットワークを実装できる。
3. 誤差逆伝播法の概念を理解し、ニューラルネットワークの学習アルゴリズムを実装できる。
Rubric
| 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 | パーセプトロンの概念を理解し、実装できる。 | パーセプトロンの概念を理解し、説明できる。 | パーセプトロンの概念を理解できない。 |
評価項目2 | ニューラルネットワークの概念を理解し、実装できる。 | ニューラルネットワークの概念を理解し、説明できる。 | ニューラルネットワークの概念を理解できない。 |
評価項目3 | 誤差逆伝播法の概念を理解し、実装できる。 | 誤差逆伝播法の概念を理解し、説明できる。 | 誤差逆伝播法の概念を理解できない。 |
Assigned Department Objectives
Teaching Method
Outline:
機械学習アルゴリズムの一つであるニューラルネットワークの理論について、Pythonによる実装を交えながら学ぶ。
Style:
基本的には、教科書に沿って進める。理論を講義形式で学びながら、必要に応じて授業時間中に演習を行い、理解を深める。
Notice:
演習では基本的にPython 3を用いるため、Pythonの文法等については適宜復習すること。
Characteristics of Class / Division in Learning
Course Plan
|
|
|
Theme |
Goals |
1st Semester |
1st Quarter |
1st |
Python入門 |
Pythonの基本を理解し、プログラムを作成することができる。
|
2nd |
Python入門 |
Numpy等のライブラリを用いて、プログラムを作成することができる。
|
3rd |
パーセプトロン |
パーセプトロンの原理を理解し、基本的な論理ゲートを実装できる。
|
4th |
パーセプトロン |
複数の論理ゲートを組み合わせ、非線形な回路を実現できる。
|
5th |
ニューラルネットワーク |
ニューラルネットワークの原理を理解し、基本的な活性化関数を実装できる。
|
6th |
ニューラルネットワーク |
3層のニューラルネットワークを実装できる。
|
7th |
ニューラルネットワーク |
ニューラルネットワークの出力層を設計できる。
|
8th |
【中間試験】 |
|
2nd Quarter |
9th |
ニューラルネットワークの学習 |
ニューラルネットワークの学習の基本を理解し、説明できる。
|
10th |
ニューラルネットワークの学習 |
基本的な損失関数を理解し、実装できる。
|
11th |
ニューラルネットワークの学習 |
ニューラルネットワークの基本的な学習アルゴリズムを理解し、実装できる。
|
12th |
誤差逆伝播法 |
誤差逆伝播法の原理を理解し、説明できる。
|
13th |
誤差逆伝播法 |
計算グラフのノードを実装できる。
|
14th |
誤差逆伝播法 |
誤差逆伝播法を実装できる。
|
15th |
ディープラーニング |
ディープラーニングの基本を理解し、説明できる。
|
16th |
【答案返却】 |
|
Evaluation Method and Weight (%)
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | Total |
Subtotal | 60 | 0 | 0 | 0 | 40 | 0 | 100 |
基礎的能力 | 30 | 0 | 0 | 0 | 20 | 0 | 50 |
専門的能力 | 30 | 0 | 0 | 0 | 20 | 0 | 50 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |