到達目標
機械学習の基礎になる概念が理解できる．
同時に機械学習の分野でよく使われているプログラミング言語であるPythonを利用して，分析．予測することができる．
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 | 最低限の到達レベルの目安(可) | 未到達レベルの目安 |
| 評価項目1
機械学習のアルゴリズム | 基本的なアルゴリズムについて詳細に説明できる． | 基本的なアルゴリズムについて説明できる． | 基本的なアルゴリズムについて簡単に説明できる． | 基本的なアルゴリズムについて説明できない． |
| 評価項目2
データ解析 | データ解析のため，基本的なPythonパッケージが理解・説明ができ，実際に使える． | データ解析のため，基本的なPythonパッケージが理解でき，簡単に使える． | データ解析のため，基本的なPythonパッケージが理解できる． | データ解析のため，基本的なPythonパッケージが理解できない． |
学科の到達目標項目との関係
教育方法等
概要:
人工知能がブームとなっており，エンジニアの側からは人工知能の実現手段としての機械学習が興味の対象として人気がある．
本講義では，コース選択科目として，機械学習を使っていく上での基礎にあたる部分に関する解説を行う．同時に機械学習の分野でよく使われているプログラミング言語であるPythonを利用して，実例のデータセットを分析・予測することを目標とする．
授業の進め方・方法:
演習室のコンピュータを用いて，機械学習の基本について解説しながら，Pythonプログラミング演習を行うことで理解を深める．
①この科目は学修単位科目のため，事前・事後学習としてレポートやオンラインテストを実施します．
②この科目は学修単位科目のため，事前・事後学習として，予習・復習を行うこと．
注意点:
１．コンピュータの基本操作ができること．
２．Python言語の基本的な内容も同時に学習する．
３．テストは授業中に行う．
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
機械学習の紹介 |
機械学習の概念が理解できる．
|
| 2週 |
データの理解 |
機械学習で扱うデータの理解ができる．
|
| 3週 |
Python数値計算ライブラリNumpy |
ライブラリNumpyが理解できる．
|
| 4週 |
PythonライブラリPandas（１） |
ライブラリPandasが理解できる．
|
| 5週 |
PythonライブラリPandas（２） |
ライブラリPandasが理解できる．
|
| 6週 |
PythonライブラリMatplotlib |
ライブラリMatplotlibが理解できる．
|
| 7週 |
線形回帰 |
線形回帰が理解できる．
|
| 8週 |
線形回帰の拡張 |
線形回帰が理解できる．
|
| 4thQ |
| 9週 |
中間試験期間 |
|
| 10週 |
Azure ML Studio(1) |
Azure ML Studioが理解できる．
|
| 11週 |
Azure ML Studio(2) |
Azure ML Studioで応用問題が解決できる．
|
| 12週 |
ロジスティック回帰 |
ロジスティック回帰が理解できる．
|
| 13週 |
ロジスティック回帰の拡張 |
ロジスティック回帰が理解できる．
|
| 14週 |
単純ベイズ分類器 |
単純ベイズ分類器が理解できる．
|
| 15週 |
決定木 |
決定木が理解できる．
|
| 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 |
| 基礎的能力 | 工学基礎 | 情報リテラシー | 情報リテラシー | 情報を適切に収集・処理・発信するための基礎的な知識を活用できる。 | 3 | |
| 同一の問題に対し、それを解決できる複数のアルゴリズムが存在しうることを知っている。 | 3 | |
| 与えられた基本的な問題を解くための適切なアルゴリズムを構築することができる。 | 3 | |
| 任意のプログラミング言語を用いて、構築したアルゴリズムを実装できる。 | 3 | |
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 |