到達目標
１． 誤差逆伝播法の特徴を理解し，プログラミング言語を用いて実装できる。
２．重みパラメータの最適化手法と初期値，ハイパーパラメータの設定方法について理解し，プログラミング言語を用いて実装できる。
３． 深層学習の特徴について理解し，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 | 誤差逆伝播法の特徴を理解し，プログラミング言語を用いて実装できる。 | 誤差逆伝播法の特徴を理解している。 | 誤差逆伝播法の特徴を理解していない。 |
| 評価項目2 | 重みパラメータの最適化手法と初期値，ハイパーパラメータの設定方法について理解し，プログラミング言語を用いて実装できる。 | 重みパラメータの最適化手法と初期値，ハイパーパラメータの設定方法について理解している。 | 重みパラメータの最適化手法と初期値，ハイパーパラメータの設定方法について理解していない。 |
| 評価項目3 | 深層学習の特徴について理解し，説明できる。 | 深層学習の特徴について理解している。 | 深層学習の特徴について理解していない。 |
学科の到達目標項目との関係
教育方法等
概要:
ネットワークに対する攻撃には様々な手法があり，現状では，主としてマンパワーによってこれに対応している。近年，これらの攻撃に対して，深層学習を用いて対応するシステムの開発が行われている。様々な攻撃手法を深層学習により分類（認識）し，効果的に対応することを目指している。ソフトウェアセキュリティⅠで学んだニューラルネットワークの学習に関する知見に基づき，誤差逆伝搬法，学習の効率化，畳み込みニューラルネットワークおよび深層学習の性質について学習する。ソフトウェアセキュリティⅠと同様に，Pythonによる実装を通じて学習する。
授業の進め方・方法:
基本的に演習形式で行う。スライドを用いて学習内容の説明を行う。これをPythonによって実装する。プログラムを記述する過程を通して，学習内容を理解する。学習内容を確認し，理解を深めるため，課題の提出を求める。授業は各自のノートPCあるいはRaspberry Pi上のLinux環境で行う。
注意点:
試験の成績70％，平素の学習状況（課題等）を30%とし，総合的に評価する。成績評価は中間と期末の各期間評価の平均とする。授業業中は他の学生と相談してもよいが，各自が主体的に取り組むことが重要である。指定された期日までに課題が提出されなかった場合，減点することがある。
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 |
| 後期 |
| 3rdQ |
| 1週 |
ガイダンス
深層学習の歴史 |
授業の進め方，評価方法などについて理解する。
深層学習の歴史について理解する。
|
| 2週 |
誤差逆伝播法 |
重みパラメータの勾配の計算を効率的に行う手法である誤差逆伝播法を理解する。
|
| 3週 |
誤差逆伝播法 |
重みパラメータの勾配の計算を効率的に行う手法である誤差逆伝播法を理解する。
|
| 4週 |
誤差逆伝播法 |
重みパラメータの勾配の計算を効率的に行う手法である誤差逆伝播法を理解する。
|
| 5週 |
誤差逆伝播法 |
重みパラメータの勾配の計算を効率的に行う手法である誤差逆伝播法を理解する。
|
| 6週 |
学習に関するテクニック |
最適な重みパラメータを探索する最適化手法を理解する。
|
| 7週 |
学習に関するテクニック |
重みパラメータの適切な初期値の設定方法を理解する。
|
| 8週 |
学習に関するテクニック |
適切なハイパーパラメータの設定法を理解する。
|
| 4thQ |
| 9週 |
畳み込みニューラルネットワーク |
畳み込みニューラルネットワークの概要を理解する。
|
| 10週 |
畳み込みニューラルネットワーク |
畳み込み層の仕組みを理解する。
|
| 11週 |
畳み込みニューラルネットワーク |
畳み込み演算について理解する。
|
| 12週 |
畳み込みニューラルネットワーク |
バッチ処理による実装。
|
| 13週 |
深層学習 |
深層学習の概要について理解する。
|
| 14週 |
深層学習 |
深層学習の性質と課題について理解する。
|
| 15週 |
深層学習 |
深層学習の性質と課題について理解する。
|
| 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 |
| 専門的能力 | 分野別の専門工学 | 情報系分野 | ソフトウェア | ソフトウェアを中心としたシステム開発のプロセスを説明できる。 | 4 | |
| ソースプログラムを解析することにより、計算量等のさまざまな観点から評価できる。 | 4 | |
| 同じ問題を解決する複数のプログラムを計算量等の観点から比較できる。 | 4 | |
評価割合
| 試験 | 平素の学習状況 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 70 | 30 | 0 | 0 | 0 | 0 | 100 |
| 基礎的能力 | 50 | 20 | 0 | 0 | 0 | 0 | 70 |
| 専門的能力 | 20 | 10 | 0 | 0 | 0 | 0 | 30 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |