到達目標
データマイニング手法の基礎を学ぶ.
実際のデータに手法を適用し,有効性の検証の方法を学ぶ.
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 |
ライブラリの活用方法 | ライブラリを適切に活用できる. | ライブラリを使うことができる. | ライブラリを使うことができない. |
画像処理とAI | 画像処理を適切なAI手法を用いて処理できる. | 画像処理をAI手法で処理できる. | 画像処理をAI手法で処理できない. |
自然言語とAI | 自然言語処理を適切なAI手法を用いて処理できる. | 自然言語処理をAI手法で処理できる. | 自然言語処理をAI手法で処理できない. |
ディープラーニング | ディープラーニングを実際の問題に適用できる. | ディープラーニングを使うことができる. | ディープラーニングを使うことができない. |
学科の到達目標項目との関係
教育方法等
概要:
データマイニングでは,最小二乗法,最急降下法などの基礎を理解し,ニューラルネットワークの学習原理について数理を用いて説明を行った.また,機械学習の基礎となる教師あり学習の考え方や有効性の検証方法を学んだ.
知能システムでは,これらの知識を前提として,主に様々なAI手法を用いる方法について学ぶ.
特に,Pythonは機械学習の手法がさまざまライブラリとして公開されており,これらの手法を実際に利用する方法について学ぶ.
授業の進め方・方法:
前半は教科書を元にした演習によって授業を進める.
後半は演習を通して授業を進める.
注意点:
基本的には演習およびレポートでは学習内容を実装するため,Pythonの基本的なプログラミングができること.
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 |
後期 |
3rdQ |
1週 |
ガイダンス,Pythonの環境設定,Pythonの復習 |
後期に取り組む内容を理解する.Pythonの環境設定,Pythonの復習を行う.
|
2週 |
機械学習ライブラリの利用(1) |
機械学習ライブラリを利用して,アヤメの分類やワイン評価を行う.
|
3週 |
機械学習ライブラリの利用(2) |
機械学習ライブラリを利用して,過去10年間の気象データを解析してみる.
|
4週 |
画像処理とAI |
OpenCVを利用して,顔検出を行う.
|
5週 |
自然言語処理とAI |
機械学習による言語判定を行う.
|
6週 |
ディープラーニング |
ディープラーニングを用いて,アヤメの分類を行う.
|
7週 |
演習 |
ここまでの内容を利用して,実際の問題に適用する演習を行う.
|
8週 |
演習 |
ここまでの内容を利用して,実際の問題に適用する演習を行う.
|
4thQ |
9週 |
実問題へのデータマイニング手法の適用 |
これまでに習得した手法を実際のデータに適用し,評価する.
|
10週 |
実問題へのデータマイニング手法の適用 |
これまでに習得した手法を実際のデータに適用し,評価する.
|
11週 |
実問題へのデータマイニング手法の適用 |
これまでに習得した手法を実際のデータに適用し,評価する.
|
12週 |
実問題へのデータマイニング手法の適用 |
これまでに習得した手法を実際のデータに適用し,評価する.
|
13週 |
実問題へのデータマイニング手法の適用 |
これまでに習得した手法を実際のデータに適用し,評価する.
|
14週 |
実問題へのデータマイニング手法の適用 |
これまでに習得した手法を実際のデータに適用し,評価する.
|
15週 |
実問題へのデータマイニング手法の適用 |
これまでに習得した手法を実際のデータに適用し,評価する.
|
16週 |
|
|
評価割合
| 課題 | 合計 |
総合評価割合 | 100 | 100 |
基礎的能力 | 50 | 50 |
専門的能力 | 50 | 50 |