到達目標
(1) Pythonの基本的事項を理解し、各種機械学習アルゴリズムを作成できる。(課題・レポート)
(2) Pythonを利用し、ディープニューラルネットワークを作成できる。(課題・レポート・自由制作)
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 |
到達目標(1)の評価指標 | Pythonの基本的事項を理解し、各種機械学習アルゴリズムを作成できる。 | Pythonの基本的事項を概ね理解し、簡単な各種機械学習アルゴリズムを作成できる。 | Pythonの基本的事項を理解し、各種機械学習アルゴリズムを作成できない。 |
到達目標(2)の評価指標 | Pythonを利用し、ディープニューラルネットワークを作成できる。 | Pythonを利用し、簡単なディープニューラルネットワークを作成できる。 | Pythonを利用し、ディープニューラルネットワークを作成できない。
|
学科の到達目標項目との関係
教育方法等
概要:
回帰、分類アルゴリズム及びディープニューラルネットワーク等の機械学習アルゴリズムの基礎について学び,Pythonのライブラリを利用した実装を行う。
授業の進め方・方法:
授業は1週2コマで行う。授業はまず基本的なアルゴリズムの原理及びサンプルプログラムについて説明を行い、授業の後半では学んだ事項の応用プログラムの作成を行う。プログラミング課題を作成することで実践能力を養う。
(事前学習)
Pythonについて復習しておくことが望ましい。
注意点:
・プログラム作成が時間内に終了しない場合には期限までに時間外で完成させること。
(自学上の注意)
・サンプルプログラムを自分で作成実行する習慣をつけること。
評価
(総合評価)
総合評価 = 課題・レポート × 0.8 + 自由制作 x 0.2
(単位修得の条件)
総合評価60点以上を合格とする。
(再試験について)
原則として行わない
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 |
Python基礎 |
Pythonと実行環境について理解する。
|
2週 |
Pythonライブラリの利用方法 |
numpy、pandas、matplotlib等のpythonライブラリの利用方法について理解する。
|
3週 |
回帰アルゴリズムの実装 |
回帰の代表的アルゴリズムについて実装できる。
|
4週 |
回帰アルゴリズムの実装 |
回帰の代表的アルゴリズムについて実装できる。
|
5週 |
分類アルゴリズムの実装 |
分類の代表的アルゴリズムについて実装できる。
|
6週 |
分類アルゴリズムの実装 |
分類の代表的アルゴリズムについて実装できる。
|
7週 |
分類アルゴリズムの実装 |
分類の代表的アルゴリズムについて実装できる。
|
8週 |
クラスタリング・次元削減 |
クラスタリング・次元削減の代表的なアルゴリズムについて理解する。
|
4thQ |
9週 |
(後期中間試験) |
|
10週 |
ニューラルネットワーク |
ニューラルネットワークの基礎、画像データの取り扱い方法について理解できる。
|
11週 |
CNN(Convolutional Neural Network) |
CNNについて理解する。
|
12週 |
ディープニューラルネットワーク |
実践的なデータを用いたディープニューラルネットワークを用いた画像分類等を実装できる。
|
13週 |
ディープニューラルネットワーク |
実践的なデータを用いたディープニューラルネットワークを用いた画像分類等を実装できる。
|
14週 |
ディープニューラルネットワーク |
実践的なデータを用いたディープニューラルネットワークを用いた画像分類等を実装できる。
|
15週 |
(後期期末試験) |
|
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 | 課題・レポート | 自由制作 | 合計 |
総合評価割合 | 0 | 80 | 20 | 100 |
基礎的能力 | 0 | 40 | 0 | 40 |
専門的能力 | 0 | 40 | 20 | 60 |