知識情報工学

科目基礎情報

学校 東京工業高等専門学校 開講年度 令和03年度 (2021年度)
授業科目 知識情報工学
科目番号 0125 科目区分 専門 / 選択
授業形態 授業 単位の種別と単位数 学修単位: 2
開設学科 電子工学科 対象学年 4
開設期 後期 週時間数 2
教科書/教材 スライド資料を共有
担当教員 姜 玄浩

目的・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.
授業の進め方と授業内容・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.評価は課題2件で行う.
4.プログラミングのためタイピングスピードを向上させる必要がある.
(各自タイピング練習を行ってください)
(無料タイピング練習教材 https://manabi.benesse.ne.jp/gakushu/typing/)

授業の属性・履修上の区分

アクティブラーニング
ICT 利用
遠隔授業対応
実務経験のある教員による授業

授業計画

授業内容・方法 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 機械学習の種類・方法,TM(1) 機械学習の種類・方法の理解ができる.Teachable Machineで実際に簡単なAIシステムが作成できる.
3週 TM(2) Teachable Machineで実際により充実なAIシステムが作成できる.
4週 データの理解 機械学習で扱うデータの理解ができる.
5週 線形回帰で機械学習の基礎を理解 線形回帰で機械学習の基礎が理解できる.
6週 AIプロジェクト紹介 AI事例の理解で応用分野の視野が広げる.
7週 機械学習ツール(Orange3)の紹介1 データ可視化・機械学習・データマイニング用ツールが使える.
8週 中間試験期間
4thQ
9週 Neural Network (直感的な理解・Tensorflowを利用した基本的なDeep Neural Network実習) Neural Networkが理解でき,PythonによるDeep Learningの基本が理解できる.
10週 機械学習ツール(Orange3)の紹介2 データ可視化・機械学習・データマイニング用ツールが使える.より実践的な応用問題が解決できる. 
11週 Machine Learning for KidsとScratchを利用した機械学習 Machine Learning for Kidsで作成したモデルとScratchを利用して応用問題を解決できる.
12週 Kaggle紹介,Performance metrics  Kaggle使用とPerformance metricsが理解できる.
13週 Naive Bayesian Classifier Naive Bayesian Classifierが理解できる.
14週 scikit-learn, pandasなどのモジュールを利用した実践問題(1) Pythonを使って機械学習でよく用いられるパッケージを導入し,簡単な機械学習問題が解決できる.
15週 scikit-learn, pandasなどのモジュールを利用した実践問題(2) Pythonを使って機械学習でよく用いられるパッケージを導入し,簡単な機械学習問題が解決できる.
16週

評価割合

課題1課題2(クイズなど含む)合計
総合評価割合5050100
基礎的能力303060
専門的能力202040